concurrenthashmap 2 适用场景

ConcurrentHashMap通常只被看做并发效率更高的Map，用来替换其他线程安全的Map容器，比如Hashtable和Collections.synchronizedMap。实际上，线程安全的容器，特别是Map，应用场景没有想象中的多，很多情况下一个业务会涉及容器的多个操作，即复合操作，并发执行时，线程安全的容器只能保证自身的数据不被破坏，但无法保证业务的行为是否正确。

举个例子：统计文本中单词出现的次数，把单词出现的次数记录到一个Map中，代码如下：

1private final Map<String, Long> wordCounts = new ConcurrentHashMap<>();2
3public long increase(String word) {4    Long oldValue = wordCounts.get(word);5    Long newValue = (oldValue == null) ? 1L : oldValue + 1;6    wordCounts.put(word, newValue);7    return newValue;8}

如果多个线程并发调用这个increase()方法，increase()的实现就是错误的，因为多个线程用相同的word调用时，很可能会覆盖相互的结果，造成记录的次数比实际出现的次数少。

除了用锁解决这个问题，另外一个选择是使用ConcurrentMap接口定义的方法：

1public interface ConcurrentMap<K, V> extends Map<K, V> {2    V putIfAbsent(K key, V value);3    boolean remove(Object key, Object value);4    boolean replace(K key, V oldValue, V newValue);5    V replace(K key, V value);6}

这是个被很多人忽略的接口，也经常见有人错误地使用这个接口。ConcurrentMap接口定义了几个基于 CAS（Compare and Set）操作，很简单，但非常有用，下面的代码用ConcurrentMap解决上面问题：

01private final ConcurrentMap<String, Long> wordCounts = new ConcurrentHashMap<>();02
03public long increase(String word) {04    Long oldValue, newValue;05    while (true) {06        oldValue = wordCounts.get(word);07        if (oldValue == null) {08            // Add the word firstly, initial the value as 109            newValue = 1L;10            if (wordCounts.putIfAbsent(word, newValue) == null) {11                break;12            }13        } else {14            newValue = oldValue + 1;15            if (wordCounts.replace(word, oldValue, newValue)) {16                break;17            }18        }19    }20    return newValue;21}

代码有点复杂，主要因为ConcurrentMap中不能保存value为null的值，所以得同时处理word不存在和已存在两种情况。

上面的实现每次调用都会涉及Long对象的拆箱和装箱操作，很明显，更好的实现方式是采用AtomicLong，下面是采用AtomicLong后的代码：

01private final ConcurrentMap<String, AtomicLong> wordCounts = new ConcurrentHashMap<>();02
03public long increase(String word) {04    AtomicLong number = wordCounts.get(word);05    if (number == null) {06        AtomicLong newNumber = new AtomicLong(0);07        number = wordCounts.putIfAbsent(word, newNumber);08        if (number == null) {09            number = newNumber;10        }11    }12    return number.incrementAndGet();13}

这个实现仍然有一处需要说明的地方，如果多个线程同时增加一个目前还不存在的词，那么很可能会产生多个newNumber对象，但最终只有一个newNumber有用，其他的都会被扔掉。对于这个应用，这不算问题，创建AtomicLong的成本不高，而且只在添加不存在词是出现。但换个场景，比如缓存，那么这很可能就是问题了，因为缓存中的对象获取成本一般都比较高，而且通常缓存都会经常失效，那么避免重复创建对象就有价值了。下面的代码演示了怎么处理这种情况：

01private final ConcurrentMap<String, Future<ExpensiveObj>> cache = new ConcurrentHashMap<>();02
03public ExpensiveObj get(final String key) {04    Future<ExpensiveObj> future = cache.get(key);05    if (future == null) {06        Callable<ExpensiveObj> callable = new Callable<ExpensiveObj>() {07            @Override08            public ExpensiveObj call() throws Exception {09                return new ExpensiveObj(key);10            }11        };12        FutureTask<ExpensiveObj> task = new FutureTask<>(callable);13
14        future = cache.putIfAbsent(key, task);15        if (future == null) {16            future = task;17            task.run();18        }19    }20
21    try {22        return future.get();23    } catch (Exception e) {24        cache.remove(key);25        throw new RuntimeException(e);26    }27}

解决方法其实就是用一个Proxy对象来包装真正的对象，跟常见的lazy load原理类似；使用FutureTask主要是为了保证同步，避免一个Proxy创建多个对象。注意，上面代码里的异常处理是不准确的。

最后再补充一下，如果真要实现前面说的统计单词次数功能，最合适的方法是Guava包中AtomicLongMap；一般使用ConcurrentHashMap，也尽量使用Guava中的MapMaker或cache实现。