Java并发Map提升吞吐量技巧
2026-05-25 15:51:39
0浏览
收藏
本文深入解析了ConcurrentHashMap在高并发场景下显著优于Hashtable和synchronizedMap的核心原因——通过分段锁(JDK 7)或更高效的CAS+synchronized单节点锁(JDK 8+),实现读操作完全无锁、写操作仅局部阻塞,彻底避免全局串行化瓶颈;同时系统梳理了关键实操要点:优先替换遗留同步容器、禁用多余外层同步、善用原子方法putIfAbsent与computeIfAbsent规避重复计算和竞态、正确理解initialCapacity与已废弃的concurrencyLevel、以及充分利用其弱一致性迭代器的安全遍历能力——帮你真正用对、用好ConcurrentHashMap,释放Java并发Map的极致吞吐潜力。

ConcurrentHashMap 为什么比 Hashtable 和 synchronizedMap 更快
因为 ConcurrentHashMap 不锁整个表,而是把桶(bucket)分段加锁(JDK 8 后改用 Node 级 CAS + synchronized 锁单个链表头或红黑树根),读操作完全无锁,写操作只阻塞局部冲突的线程。而 Hashtable 所有方法都用 synchronized 修饰,Collections.synchronizedMap(new HashMap()) 则在每个方法入口加同一把全局锁——这两者在高并发下会严重串行化。
实操建议:
- 除非遗留系统强依赖
Hashtable的 API(比如elements()),否则一律替换为ConcurrentHashMap - 不要为了“线程安全”而对
ConcurrentHashMap外层再套synchronized,这会抵消其分段并发优势 size()返回的是估算值(可能滞后),如需精确计数,应使用mappingCount()(返回long,且更准确)
putIfAbsent、computeIfAbsent 这些方法该怎么选
它们是避免手动加锁实现“检查-更新”逻辑的关键,但语义和性能差异明显:
putIfAbsent(k, v):仅当 key 不存在时插入固定值v;适合简单赋值场景,开销最小computeIfAbsent(k, mappingFunction):key 不存在时才调用函数生成 value,且该函数**只执行一次**(即使多个线程同时触发);适合 value 构造代价高(如初始化对象、IO、计算)的场景- 别用
get(k) == null ? put(k, expensiveValue()) : get(k)—— 这会产生两次哈希查找 + 一次重复构造,且非原子
示例:缓存用户配置,避免重复加载
configMap.computeIfAbsent(userId, id -> loadUserConfigFromDB(id));
initialCapacity 和 concurrencyLevel 参数还有用吗
JDK 8+ 中 concurrencyLevel 已被忽略(文档明确标注“ignored”),它只是保留向后兼容的形参;initialCapacity 仍有意义,但它控制的是**整个 map 的初始桶数组大小**,不是分段数。
实操建议:
- 预估总元素数,设
initialCapacity为略大于该数的 2 的幂(如预估 1000 个 key,设 1024 或 2048),减少扩容时的 rehash 开销 - 不要设过大的
initialCapacity(比如百万级),浪费内存且首次初始化变慢 - 负载因子
loadFactor默认 0.75 通常够用;调低(如 0.5)可减少哈希冲突但增加内存占用;调高(如 0.9)节省内存但链表/树化概率上升,影响写性能
遍历时遇到 ConcurrentModificationException 吗
不会。ConcurrentHashMap 的迭代器是弱一致性的(weakly consistent):不抛 ConcurrentModificationException,不保证反映最新修改,但能确保遍历到的元素是某时刻真实存在过的。
这意味着:
- 边遍历边
put/remove完全安全,无需额外同步 - 但遍历结果可能“漏掉”刚插入的项,或“看到”已被删除的项(取决于时机)
- 如果业务要求强一致性(比如统计所有当前存活 key),不能依赖单次遍历,应考虑用
mappingCount()+ 原子标记或其他协调机制
常见误用:用 for (Entry 做条件清理,却期望“删完后 size=0”——实际可能因弱一致性导致部分 entry 未被遍历到。
今天关于《Java并发Map提升吞吐量技巧》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
使用 symmetricDifference 获取两个集合的非公共元素
- 上一篇
- 使用 symmetricDifference 获取两个集合的非公共元素
- 下一篇
- 目录页码不对齐怎么调?格式调整技巧分享
查看更多
最新文章
-
- 文章 · java教程 | 2天前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 2天前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 2天前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 445次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 517次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 532次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 478次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 301次使用
查看更多
相关文章
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

