java集合类源码分析-concurrentSkipMap

Jdk1.6 JUC源码解析(26)-ConcurrentSkipListMap、ConcurrentSkipListSet

作者：大飞

功能简介：

• ConcurrentSkipListMap是一种线程安全的有序的Map。一般我们使用有序Map，不要求线程安全的情况下，可以使用TreeMap，要求线程安全的话，就可以使用ConcurrentSkipListMap。
• ConcurrentSkipListMap内部的数据结构是SkipList(跳表)，内部Entry顺序是由实现了Comparable的key或者构造时指定的Comparator来保证。和TreeMap一样，对ConcurrentSkipListMap中元素的put、get和remove等操作的平均时间复杂度也是O(log(n))。

 

源码分析：

• 在看内部结构之前，先对跳表这种数据结构有个感性的认识，贴个图：

注：图片来自https://en.wikipedia.org/wiki/Skip_list
 

       ConcurrentSkipListMap源码中也提供了图形化的注释：

* Head nodes          Index nodes
* +-+    right        +-+                      +-+
* |2|---------------->| |--------------------->| |->null
* +-+                 +-+                      +-+
*  | down              |                        |
*  v                   v                        v
* +-+            +-+  +-+       +-+            +-+       +-+
* |1|----------->| |->| |------>| |----------->| |------>| |->null
* +-+            +-+  +-+       +-+            +-+       +-+
*  v              |    |         |              |         |
* Nodes  next     v    v         v              v         v
* +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+
* | |->|A|->|B|->|C|->|D|->|E|->|F|->|G|->|H|->|I|->|J|->|K|->null
* +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+  +-+

       可见，跳表结构中主要有3中节点：Head节点、Index节点和普通的Node节点。

 

• 看下源码中这些节点的结构表示：

/**
 * 节点持有key和value，按顺序链接，单向链表。
 * 中间可能会链接一些处于中间状态的标记节点。
 * 链表头节点是一个哑(dummy)节点，可以通过head.node访问。
 * value域之所以定义成Object(而不是E)，是因为还要存放一些针对标记节点和头节点的特殊值(non-V)
 */
static final class Node<K,V> {
    final K key;
    volatile Object value;
    volatile Node<K,V> next;
    /**
     * 创建一个普通节点。
     */
    Node(K key, Object value, Node<K,V> next) {
        this.key = key;
        this.value = value;
        this.next = next;
    }
    /**
     * 创建一个标记节点。
     * 标记节点和普通节点的重要区别是：标记节点的value域指向自身，
     * 同时标记节点的key为null。key是否为null在一些地方可以用来
     * 区分标记节点，但无法区分标记节点和base-level链表头节点，
     * 因为base-level链表头节点的key也是null。
     */
    Node(Node<K,V> next) {
        this.key = null;
        this.value = this;
        this.next = next;
    }
    /** Updater for casNext */
    static final AtomicReferenceFieldUpdater<Node, Node>
        nextUpdater = AtomicReferenceFieldUpdater.newUpdater
        (Node.class, Node.class, "next");
    /** Updater for casValue */
    static final AtomicReferenceFieldUpdater<Node, Object>
        valueUpdater = AtomicReferenceFieldUpdater.newUpdater
        (Node.class, Object.class, "value");
    /**
     * compareAndSet value field
     */
    boolean casValue(Object cmp, Object val) {
        return valueUpdater.compareAndSet(this, cmp, val);
    }
    /**
     * compareAndSet next field
     */
    boolean casNext(Node<K,V> cmp, Node<K,V> val) {
        return nextUpdater.compareAndSet(this, cmp, val);
    }
    /**
     * 判断节点是否为标记节点。
     */
    boolean isMarker() {
        return value == this;
    }
    /**
     * 判断节点是否是base-level链表的头节点。
     */
    boolean isBaseHeader() {
        return value == BASE_HEADER;
    }
    /**
     * 尝试在当前节点后面追加一个删除标记节点。
     */
    boolean appendMarker(Node<K,V> f) {
        return casNext(f, new Node<K,V>(f));
    }
    /**
     * 通过追加一个删除标记节点或移除一个标记节点来推进删除。
     */
    void helpDelete(Node<K,V> b, Node<K,V> f) {
        /*
         * Rechecking links and then doing only one of the
         * help-out stages per call tends to minimize CAS
         * interference among helping threads.
         */
        if (f == next && this == b.next) {
            if (f == null || f.value != f) // not already marked
                appendMarker(f);
            else
                b.casNext(this, f.next);
        }
    }
    /**
     * 获取合法的value值。
     */
    V getValidValue() {
        Object v = value;
        if (v == this || v == BASE_HEADER)
            //如果是标记节点或者base头节点，返回null。
            return null;
        return (V)v;
    }
    /**
     * 为当前映射(Node)创建一个不变(不可修改)的快照。
     * 如果没有合法值，返回null
     */
    AbstractMap.SimpleImmutableEntry<K,V> createSnapshot() {
        V v = getValidValue();
        if (v == null)
            return null;
        return new AbstractMap.SimpleImmutableEntry<K,V>(key, v);
    }
}

       上面方法中重点关注一下删除方法，删除一个节点分为两步：标记和删除。

        1.假设当前节点为n，n的前驱节点为b，n的后继节点为f，如图： 

+------+       +------+      +------+
|   b  |------>|   n  |----->|   f  | ...
+------+       +------+      +------+

 

      2.现在要删除节点n，那么首先要对n进行标记，如图： 

+------+       +------+      +------+       +------+
|   b  |------>|   n  |----->|marker|------>|   f  | ...
+------+       +------+      +------+       +------+

        可见，要删除节点n，首先是往节点n后面追加一个标记节点。

        3.接下来是删除步骤，直接将节点n和后面的标记节点一起删除，如图： 

+------+                                    +------+
|   b  |----------------------------------->|   f  | ...
+------+                                    +------+

         上面是普通节点，再看下Index节点和Head节点：

/**
  * Index节点表示跳表的层级。
  * 注意到Node和Index都有正向的指针，但是它们的类型和作用都不同，
  * 无法抽象到一个基类里面。
  */
 static class Index<K,V> {
     final Node<K,V> node;
     final Index<K,V> down;
     volatile Index<K,V> right;
     /**
      * Creates index node with given values.
      */
     Index(Node<K,V> node, Index<K,V> down, Index<K,V> right) {
         this.node = node;
         this.down = down;
         this.right = right;
     }
     /** Updater for casRight */
     static final AtomicReferenceFieldUpdater<Index, Index>
         rightUpdater = AtomicReferenceFieldUpdater.newUpdater
         (Index.class, Index.class, "right");
     /**
      * compareAndSet right field
      */
     final boolean casRight(Index<K,V> cmp, Index<K,V> val) {
         return rightUpdater.compareAndSet(this, cmp, val);
     }
     /**
      * 判断当前Index的Node节点是否被删除。
      */
     final boolean indexesDeletedNode() {
         return node.value == null;
     }
     /**
      * 尝试设置新的后继节点。
      */
     final boolean link(Index<K,V> succ, Index<K,V> newSucc) {
         Node<K,V> n = node;
         newSucc.right = succ;
         //需要先检测当前Index的Node是否被删除。
         return n.value != null && casRight(succ, newSucc);
     }
     /**
      * 尝试设置后继节点(right)为后继的后继(越过后继节点)
      */
     final boolean unlink(Index<K,V> succ) {
         return !indexesDeletedNode() && casRight(succ, succ.right);
     }
 }

 

/**
 * 头节点，每个头节点都包含一个表示层级的域。
 */
static final class HeadIndex<K,V> extends Index<K,V> {
    final int level;
    HeadIndex(Node<K,V> node, Index<K,V> down, Index<K,V> right, int level) {
        super(node, down, right);
        this.level = level;
    }
}

 

       再看下ConcurrentSkipListMap中的结构： 

public class ConcurrentSkipListMap<K,V> extends AbstractMap<K,V>
    implements ConcurrentNavigableMap<K,V>,
               Cloneable,
               java.io.Serializable {

    private static final long serialVersionUID = -8627078645895051609L;
    /**
     * 用来生成种子的随机数生成器。
     */
    private static final Random seedGenerator = new Random();
    /**
     * 用来定义base-level的头结点。
     */
    private static final Object BASE_HEADER = new Object();
    /**
     * 跳表最高层的head index
     */
    private transient volatile HeadIndex<K,V> head;
    /**
     * 比较器。如果没设置这个比较器，那么久用key的自然序来比较。
     * @serial
     */
    private final Comparator<? super K> comparator;
    /**
     * 随机种子，这里没有用volatile修饰，多个线程看到不同的值也没关系。
     */
    private transient int randomSeed;

 

 

• 大体了解了内部结构，接下来先从简单的构造方法入手分析：

public ConcurrentSkipListMap() {
    this.comparator = null;
    initialize();
}

public ConcurrentSkipListMap(Comparator<? super K> comparator) {
    this.comparator = comparator;
    initialize();
}

       两个构造方法除了指定比较器的区别外，都调用了initialize方法，看下这个方法： 

/**
 * 初始化或重置内部状态。
 */
final void initialize() {
    //将内部一些域置空。
    keySet = null;
    entrySet = null;
    values = null;
    descendingMap = null;
    //生成随机种子，这个种子用来生成随机的Level。
    randomSeed = seedGenerator.nextInt() | 0x0100; // 确保非0
    //生成头节点，该节点value是BASE_HEADER，level是1。
    head = new HeadIndex<K,V>(new Node<K,V>(null, BASE_HEADER, null),
                              null, null, 1);
}

• 然后分析下put方法：

public V put(K key, V value) {
    if (value == null)
        throw new NullPointerException();
    return doPut(key, value, false);
}
private V doPut(K kkey, V value, boolean onlyIfAbsent) {
    //将原本的key转化成一个可比较的key。
    Comparable<? super K> key = comparable(kkey);
    for (;;) {
        //通过key找到要插入位置的前驱节点(注意这个节点在base_level上)
        Node<K,V> b = findPredecessor(key);
        Node<K,V> n = b.next;
        for (;;) {
            if (n != null) {
                Node<K,V> f = n.next;
                if (n != b.next)               //检测一下，如果读取不一致，说明发生竞争，重试。
                    break;;
                Object v = n.value;
                if (v == null) {               //节点n已经被删除了
                    n.helpDelete(b, f);        //删除动作
                    break;                     //重试。
                }
                if (v == n || b.value == null) //节点b被删除
                    break;                     //重试。
                int c = key.compareTo(n.key);
                if (c > 0) {
                    //如果c>0，说明当前的节点应该排在n的后面，所以从n后面继续比较。
                    b = n;
                    n = f;
                    continue;
                }
                if (c == 0) {
                    //如果onlyIfAbsent为true，那么不进行替换；
                    //否则需要覆盖旧值。
                    if (onlyIfAbsent || n.casValue(v, value))
                        return (V)v;
                    else
                        break; // 覆盖时竞争失败，重试。
                }
                // else c < 0; fall through
            }
            //1.构造一个新节点。
            Node<K,V> z = new Node<K,V>(kkey, value, n);
            //2.尝试插入b和n之间。
            if (!b.casNext(n, z))
                break;         // 如果尝试插入失败，重试一次。
            //插入成功后，随机生成一个层级。(这个level不会超过31)
            int level = randomLevel();
            if (level > 0)
                //level大于0，插入index
                insertIndex(z, level);
            return null;
        }
    }
}

 

       大概描述一下put方法(里面的一些细节后面分析)：

              1.首先要找出当前节点(其实还没有节点，这里只是给定的key和value)在Node链表(注意这个链表是图中最下层的部分，也就是base-level)中的前驱节点。

              2.然后从前驱节点往后找到要插入的位置，进行插入。

              3.插入成功后，可能会生成一个层级。

 

       这里看一下doPut方法中转化key使用的方法： 

private Comparable<? super K> comparable(Object key) throws ClassCastException {
    if (key == null)
        throw new NullPointerException();
    if (comparator != null)
        return new ComparableUsingComparator<K>((K)key, comparator);
    else
        return (Comparable<? super K>)key;
}
static final class ComparableUsingComparator<K> implements Comparable<K> {
    final K actualKey;
    final Comparator<? super K> cmp;
    ComparableUsingComparator(K key, Comparator<? super K> cmp) {
        this.actualKey = key;
        this.cmp = cmp;
    }
    public int compareTo(K k2) {
        return cmp.compare(actualKey, k2);
    }
}

       其实就是如果指定了比较器，就使用比较器；没指定比较器，就使用Key的自然序(Key需要实现Comparable接口)。

private void addIndex(Index<K,V> idx, HeadIndex<K,V> h, int indexLevel) {
    // 记录下一个要添加的level，以防重试。
    int insertionLevel = indexLevel;
    Comparable<? super K> key = comparable(idx.node.key);
    if (key == null) throw new NullPointerException();
    // 和findPredecessor过程类似，只是在过程中会添加index节点。
    for (;;) {
        int j = h.level;
        Index<K,V> q = h;
        Index<K,V> r = q.right;
        Index<K,V> t = idx;
        for (;;) {
            if (r != null) {
                Node<K,V> n = r.node;
                // compare before deletion check avoids needing recheck
                int c = key.compareTo(n.key);
                if (n.value == null) {
                    if (!q.unlink(r))
                        break;
                    r = q.right;
                    continue;
                }
                if (c > 0) {
                    q = r;
                    r = r.right;
                    continue;
                }
            }
            if (j == insertionLevel) {
                // 这里还需要检查t节点是否被删除，如果t节点被删除，就不能插入。
                if (t.indexesDeletedNode()) {
                    findNode(key); // cleans up
                    return;
                }
                //尝试将Index t插入q和q的right节点r之间。
                if (!q.link(r, t))
                    break; // restart
                if (--insertionLevel == 0) {
                    // 最后还要做一次删除检测。
                    if (t.indexesDeletedNode())
                        findNode(key);
                    return;
                }
            }
            if (--j >= insertionLevel && j < indexLevel)
                t = t.down;
            q = q.down;
            r = q.right;
        }
    }
}

 

       看到上述put的第2步过程，可能会疑惑，这是一个一个往后找的，put的时间复杂度看起来更像O(n)啊，其实玄机就在findPredecessor方法里面，看下这个方法： 

/**
 * 返回最底层(base-level)节点链中比给定key小(在“给定节点”左边)的节点，
 * 如果没找到，那么返回底层链的头节点。
 * 在查找过程中会顺手删除帮助删除一点标记为删除的节点。
 */
private Node<K,V> findPredecessor(Comparable<? super K> key) {
    if (key == null)
        throw new NullPointerException(); // don't postpone errors
    for (;;) {
        //将最高层的头节点赋给q。
        Index<K,V> q = head;
        //将最高层头结点的右节点赋给r。
        Index<K,V> r = q.right;
        for (;;) {
            if (r != null) {
                //如果r不为null，找到r中的数据节点n。
                Node<K,V> n = r.node;
                K k = n.key;
                if (n.value == null) {
                    //如果n已经被删除，那么尝试推进删除。
                    if (!q.unlink(r))
                        break;           // 推进删除失败，重试。
                    r = q.right;         // 再次读取q的头结点，因为上面删除成功后，q的右节点变了。
                    continue;
                }
                //n没被删除的话，和key进行比较。
                if (key.compareTo(k) > 0) {
                    //如果给定的key表示的节点在n后面的话，继续往后找。
                    q = r;
                    r = r.right;
                    continue;
                }
            }
            //如果r为null，那么往下找。
            //获取q的下节点d
            Index<K,V> d = q.down;
            if (d != null) {
                //如果d不为null，将d赋给q，d的右节点赋给r，再次循环。
                q = d;
                r = d.right;
            } else
                return q.node; //如果d为空，说明q就是最底层的节点，返回这个节点。
        }
    }
}

       上述过程其实可以简单的理解为，从最高层的头节点开始找，给定key大于当前节点，就往右找，否则就往下找，一直找到最底层链上的节点，这个节点就是给定key在base_level上的前驱节点。

 

       上面的doPut方法中，最后还有一个生成level index的部分，首先调用randomLevel得到一个level值，如果这个值大于0，就调用insertIndex生成一个index，先看下randomLevel： 

/**
 * Returns a random level for inserting a new node.
 * Hardwired to k=1, p=0.5, max 31 (see above and
 * Pugh's "Skip List Cookbook", sec 3.4).
 *
 * This uses the simplest of the generators described in George
 * Marsaglia's "Xorshift RNGs" paper.  This is not a high-quality
 * generator but is acceptable here.
 */
private int randomLevel() {
    int x = randomSeed;
    x ^= x << 13;
    x ^= x >>> 17;
    randomSeed = x ^= x << 5;
    if ((x & 0x8001) != 0) // test highest and lowest bits
        return 0;
    int level = 1;
    while (((x >>>= 1) & 1) != 0) ++level;
    return level;
}

       这段代码有些蛋疼...总之就是50%的几率返回0，25%的几率返回1，12.5%的几率返回2...最大返回31。

       继续看insertIndex方法：

/**
 * 为给定的数据节点创建和添加Index节点。
 */
private void insertIndex(Node<K,V> z, int level) {
    HeadIndex<K,V> h = head;
    int max = h.level;
    if (level <= max) {
        Index<K,V> idx = null;
        //如果level比当前的max level小，那么创建level个节点，纵向链接起来
        //(level2的down节点指向level1、level3的down节点指向level2...)
        for (int i = 1; i <= level; ++i)
            idx = new Index<K,V>(z, idx, null);
        //添加index。
        addIndex(idx, h, level);
    } else { //如果level比当前的max level大，添加level。
        /*
         * 为了减小其他线程在tryReduceLevel方法中检测空level的干扰，
         * 新的level添加时右节点就已经初始化好了。它们被依次放到一个
         * 数组里面，当创建新的head index时，会反向访问它们。
         */
        //level设置为max+1
        level = max + 1;
        //建立一个长度为level的Index数组，
        Index<K,V>[] idxs = (Index<K,V>[])new Index[level+1];
        Index<K,V> idx = null;
        //还是创建level个节点，纵向链接起来，同时将它们放入Index数组。
        for (int i = 1; i <= level; ++i)
            idxs[i] = idx = new Index<K,V>(z, idx, null);
        HeadIndex<K,V> oldh;
        int k;
        for (;;) {
            oldh = head;
            int oldLevel = oldh.level;
            if (level <= oldLevel) { // 竞争失败，跳出。
                k = level;
                break;
            }
            HeadIndex<K,V> newh = oldh;
            Node<K,V> oldbase = oldh.node;
            for (int j = oldLevel+1; j <= level; ++j)
                /*
                 *这里创建新的HeadIndex，其数据节点为oldBase，down节点为
                 *之前的head，right节点为上面Index中level最高的节点，level为j
                 */
                newh = new HeadIndex<K,V>(oldbase, newh, idxs[j], j);
            //尝试将head设置为新创建的HeadIndex。
            if (casHead(oldh, newh)) {
                k = oldLevel;
                break;
            }
        }
        //添加index。
        addIndex(idxs[k], oldh, k);
    }
}

  

       再继续看下这个addIndex方法：

private void addIndex(Index<K,V> idx, HeadIndex<K,V> h, int indexLevel) {
    // 记录下一个要添加的level，以防重试。
    int insertionLevel = indexLevel;
    Comparable<? super K> key = comparable(idx.node.key);
    if (key == null) throw new NullPointerException();
    // 和findPredecessor过程类似，只是在过程中会添加index节点。
    for (;;) {
        int j = h.level;
        Index<K,V> q = h;
        Index<K,V> r = q.right;
        Index<K,V> t = idx;
        for (;;) {
            if (r != null) {
                Node<K,V> n = r.node;
                // compare before deletion check avoids needing recheck
                int c = key.compareTo(n.key);
                if (n.value == null) {
                    if (!q.unlink(r))
                        break;
                    r = q.right;
                    continue;
                }
                if (c > 0) {
                    q = r;
                    r = r.right;
                    continue;
                }
            }
            if (j == insertionLevel) {
                // 这里还需要检查t节点是否被删除，如果t节点被删除，就不能插入。
                if (t.indexesDeletedNode()) {
                    findNode(key); // cleans up
                    return;
                }
                //尝试将Index t插入q和q的right节点r之间。
                if (!q.link(r, t))
                    break; // restart
                if (--insertionLevel == 0) {
                    // 最后还要做一次删除检测。
                    if (t.indexesDeletedNode())
                        findNode(key);
                    return;
                }
            }
            if (--j >= insertionLevel && j < indexLevel)
                t = t.down;
            q = q.down;
            r = q.right;
        }
    }
}

       这个方法要做的事情其实就是：针对一个给定的节点和level值，将之前建立的从上到下的Index节点链接进来，如图： 

 
              

       当然方法有几个地方要检测当前的idx节点有没有被删除，如果有，要调用一个findNode来做调整，看下这个方法：

/**
 * 通过给定的key查找对应的数据节点，查找过程中会顺便清理一些
 * 已经标记为删除的节点。
 * 一些地方会调用这个方法，不是为了查找节点，而是为了使用清理
 * 删除节点的这个"副作用"。
 *
 * 下列情况出现时，会重新遍历：
 *
 *   (1) 在读取了n的next域之后，n不再是b当前的后继节点了，这意味
 *       着我们没有和之前保持一致的3节点(b->n->f)快照，所以无法
 *       删除后续节点。
 *
 *   (2) 节点n的value域为null，说明n已经被删除。这种情况下，我们
 *       先帮助推进n节点的删除，然后再重试。
 *
 *   (3) n是一个标记节点或者n的前驱节点的value域为null。意味着
 *       findPredecessor方法会返回一个被删除的节点。我们无法移
 *       除这节点，因为无法确定它的前驱节点。所以再次调用findPredecessor
 *       (findPredecessor方法中会处理这个情况)并返正确的前驱节点。
 */
private Node<K,V> findNode(Comparable<? super K> key) {
    for (;;) {
        //找到key对应的在base_level上的前驱节点。
        Node<K,V> b = findPredecessor(key);
        Node<K,V> n = b.next;
        for (;;) {
            if (n == null)
                return null;
            Node<K,V> f = n.next;
            if (n != b.next)                // 读取不一致，说明发生竞争，重试。
                break;
            Object v = n.value;
            if (v == null) {                // n被删除了，帮助推进n的删除，重试。
                n.helpDelete(b, f);
                break;
            }
            if (v == n || b.value == null)  // b被删除了，重试。
                break;
            //开始比较
            int c = key.compareTo(n.key);
            if (c == 0)
                return n; //找到对应节点。
            if (c < 0)
                return null;
            b = n;
            n = f;
        }
    }
}

       再次更细致的总结一下put方法：

              1.首先要根据给定的key找出在base_level链表中对应的前驱节点(从结构图的左上角往右或往下一路找过来)，注意put方法使用的log(n)时间主要体现在这个过程，这个查找过程中会顺便帮忙推进一些节点的删除。

              2.找到前驱节点后，然后从这个前驱节点往后找到要插入的位置(注意当前已经在base_level上，所以只需要往后找)，这个查找过程中也会顺便帮忙推进一些节点的删除。。

              3.找到了要插入的位置，尝试插入，如果竞争导致插入失败，返回到第1步重试；如果插入成功，接下来会随机生成一个level，如果这个level大于0，需要将插入的节点在垂直线上生成level(level<=maxLevel + 1)个Index节点。

 

• 分析完了put方法，再看下get方法：

public V get(Object key) {
    return doGet(key);
}
private V doGet(Object okey) {
    //转换成可比较的Key。
    Comparable<? super K> key = comparable(okey);
    Node<K,V> bound = null;
    Index<K,V> q = head;
    Index<K,V> r = q.right;
    Node<K,V> n;
    K k;
    int c;
    for (;;) {
        Index<K,V> d;
        // 向右遍历，一直到null或者当前给定key(对应的节点)大的节点(bound)
        // 当前给定key对应的节点应该在bound的左边。
        if (r != null && (n = r.node) != bound && (k = n.key) != null) {
            if ((c = key.compareTo(k)) > 0) {
                q = r;
                r = r.right;
                continue;
            } else if (c == 0) {
                Object v = n.value;
                return (v != null)? (V)v : getUsingFindNode(key);
            } else
                bound = n;
        }
        // 往下找。
        if ((d = q.down) != null) {
            q = d;
            r = d.right;
        } else
            break;
    }
    // 现在到了base_level，往后找就可以了。
    for (n = q.node.next;  n != null; n = n.next) {
        if ((k = n.key) != null) {
            if ((c = key.compareTo(k)) == 0) {
                Object v = n.value;
                return (v != null)? (V)v : getUsingFindNode(key);
            } else if (c < 0)
                break;
        }
    }
    return null;
}

       可见get的过程大概是这样：从最左最高的头节点开始往右或者往下(通过key的比较)遍历，一直找到base_level，然后往后一直找到给定节点，找不到的话返回null。

       代码中还会看到，如果找到了节点，还会判断节点上的value是否为null。如果不为null，直接返回这个value；如果为null，说明这个节点被删除了(正在删除过程中)，那么需要调用一个getUsingFindNode方法，看下这个方法： 

private V getUsingFindNode(Comparable<? super K> key) {
    for (;;) {
        Node<K,V> n = findNode(key);
        if (n == null)
            return null;
        Object v = n.value;
        if (v != null)
            return (V)v;
    }
}

       此方法中会再次调用前面分析过的findNode方法来查找一个key对应的Node，注意方法中外侧还是包了一层无限循环，为的是避免由于竞争导致findNode方法返回的Node又是一个被删除的节点。

 

• 继续看下containsKey方法：

public boolean containsKey(Object key) {
    return doGet(key) != null;
}

       containsKey实现非常简单，直接基于doGet方法来做。

 

• 接着看下remove方法：

public V remove(Object key) {
    return doRemove(key, null);
}
final V doRemove(Object okey, Object value) {
    //转换成可比较的key
    Comparable<? super K> key = comparable(okey);
    for (;;) {
        //找到key在base_level链上的前驱节点。
        Node<K,V> b = findPredecessor(key);
        Node<K,V> n = b.next;
        for (;;) {
            if (n == null)
                return null;
            Node<K,V> f = n.next;
            if (n != b.next)                    // 读取不一致，重试。
                break;
            Object v = n.value;
            if (v == null) {                    // 如果n被删除了，帮助推进删除，然后重试。
                n.helpDelete(b, f);
                break;
            }
            if (v == n || b.value == null)      // 如果b被删除了，重试。
                break;
            int c = key.compareTo(n.key);
            if (c < 0)
                return null; //如果比找到的前驱节点的后继节点小，说明没有指定的key对应的节点，返回null。
            if (c > 0) {
                //如果比找到的前驱节点的后继节点大，说明目标节点在这个节点后面，往后找。
                b = n;
                n = f;
                continue;
            }
            if (value != null && !value.equals(v))
                return null;//给定的value和链表中的value不一致，删除失败。
            if (!n.casValue(v, null))//首先尝试将要删除的目标节点n的value置空。
                break; //如果失败，说明发生竞争，重试。
            /*
             * 如果上一步将n的value置空成功，接下来首先尝试将n的后面追加一个标记节点，
             * 成功的话，再尝试将n和标记节点一起移除，这两部有任何一步失败，都会调用
             * findNode来完成删除(利用findNode方法的副作用)
             */
            if (!n.appendMarker(f) || !b.casNext(n, f))
                findNode(key);                  // Retry via findNode
            else {
                /*
                 * 如果上面的n.appendMarker(f)和b.casNext(n, f)都调用成功，
                 * 然后就会调用这个方法，注意这里其实也是使用这个方法的
                 * 副作用来删除节点n的Index节点。
                 */
                findPredecessor(key);
                if (head.right == null)
                    // 删除了一些Index之后，这里判断一下head的right节点是否为null,
                    // 如果为null，说明最高层的Index链已经不存在数据，可以删掉了。
                    tryReduceLevel();
            }
            return (V)v;
        }
    }
}

       看一下上面方法中最后调用的tryReduceLevel方法： 

private void tryReduceLevel() {
    HeadIndex<K,V> h = head;
    HeadIndex<K,V> d;
    HeadIndex<K,V> e;
    if (h.level > 3 &&
        (d = (HeadIndex<K,V>)h.down) != null &&
        (e = (HeadIndex<K,V>)d.down) != null &&
        e.right == null &&
        d.right == null &&
        h.right == null &&
        casHead(h, d) && // try to set
        h.right != null) // recheck
        casHead(d, h);   // try to backout
}

       这个方法看起来有点绕，其实是说：如果最高的前三个HeadIndex都为null(当前看起来)，那么就将level减少1层，其实就是将h(当前的head)设置为d(head的下一层)，设置完成之后，还有检测h(之前的head)的right是否为null(因为可能刚才由于竞争的原因，导致看到h的right为null)，如果这会儿又不是null，那么还得回退回来，再次将head设置为h。

 

• 再看下containsValue方法：

public boolean containsValue(Object value) {
    if (value == null)
        throw new NullPointerException();
    for (Node<K,V> n = findFirst(); n != null; n = n.next) {
        V v = n.getValidValue();
        if (v != null && value.equals(v))
            return true;
    }
    return false;
}

       containsValue的实现也比较简答，就是先找到base_level链的第一个节点，然后一直往后找，比较value值。

       看下上面用到的findFirst方法： 

Node<K,V> findFirst() {
    for (;;) {
        Node<K,V> b = head.node;
        Node<K,V> n = b.next;
        if (n == null)
            return null;
        if (n.value != null)
            return n;
        n.helpDelete(b, n.next);
    }
}

       就是找到head中node(BASE_HEADER节点)的next，有可能next节点被删除了，所以会做检测，删除的话，推进一下删除，然后继续获取。size和isEmpty也是基于这个方法实现的： 

public int size() {
    long count = 0;
    for (Node<K,V> n = findFirst(); n != null; n = n.next) {
        if (n.getValidValue() != null)
            ++count;
    }
    return (count >= Integer.MAX_VALUE)? Integer.MAX_VALUE : (int)count;
}
public boolean isEmpty() {
    return findFirst() == null;
}

• ConcurrentSkipListMap实现了ConcurrentMap接口，看下这些接口方法的实现：

public V putIfAbsent(K key, V value) {
     if (value == null)
         throw new NullPointerException();
     return doPut(key, value, true);
 }

 public boolean remove(Object key, Object value) {
     if (key == null)
         throw new NullPointerException();
     if (value == null)
         return false;
     return doRemove(key, value) != null;
 }

 public boolean replace(K key, V oldValue, V newValue) {
     if (oldValue == null || newValue == null)
         throw new NullPointerException();
     Comparable<? super K> k = comparable(key);
     for (;;) {
         Node<K,V> n = findNode(k);
         if (n == null)
             return false;
         Object v = n.value;
         if (v != null) {
             if (!oldValue.equals(v))
                 return false;
             if (n.casValue(v, newValue))
                 return true;
         }
     }
 }

 public V replace(K key, V value) {
     if (value == null)
         throw new NullPointerException();
     Comparable<? super K> k = comparable(key);
     for (;;) {
         Node<K,V> n = findNode(k);
         if (n == null)
             return null;
         Object v = n.value;
         if (v != null && n.casValue(v, value))
             return (V)v;
     }
 }

       ConcurrentMap API方法实现中使用到的方法前面都分析过了，可以参考下前面的分析。

 

• ConcurrentSkipListMap同样实现了SortedMap接口，看下相关接口方法的实现：

public K lastKey() {
    Node<K,V> n = findLast();
    if (n == null)
        throw new NoSuchElementException();
    return n.key;
}

       这里出现了一个findLast方法，之前没分析过，看下： 

Node<K,V> findLast() {
    Index<K,V> q = head;
    for (;;) {
        Index<K,V> d, r;
        if ((r = q.right) != null) {
            if (r.indexesDeletedNode()) { //如果发现节点已经删除的Index，顺便移除。
                q.unlink(r);
                q = head; // 重试。
            }
            else
                q = r; //向右找
        } else if ((d = q.down) != null) {
            q = d; //向下找
        } else {
            //现在到了base_level链上，向后找。
            Node<K,V> b = q.node;
            Node<K,V> n = b.next;
            for (;;) {
                if (n == null)
                    //最后定位到节点后需要检测一下是不是baseHead
                    return (b.isBaseHeader())? null : b;
                Node<K,V> f = n.next;            // 读取不一致，有竞争发生，重试。
                if (n != b.next)
                    break;
                Object v = n.value;
                if (v == null) {                 // n节点被删除，重试。
                    n.helpDelete(b, f);
                    break;
                }
                if (v == n || b.value == null)   // b节点被删除，重试。
                    break;
                b = n;
                n = f;
            }
            q = head; // restart
        }
    }
}

       再看一个方法：

public Map.Entry<K,V> lowerEntry(K key) {
    return getNear(key, LT);
}

       这个方法的意思是找到一个比给定key小的所有key里面最大的key对应的Entry，里面调用了getNear方法： 

AbstractMap.SimpleImmutableEntry<K,V> getNear(K key, int rel) {
    for (;;) {
        Node<K,V> n = findNear(key, rel);
        if (n == null)
            return null;
        AbstractMap.SimpleImmutableEntry<K,V> e = n.createSnapshot();
        if (e != null)
            return e;
    }
}

       getNear方法里面首先通过findNear方法找到指定的Node，然后通过createSnapshot方法返回一个Entry，这个方法最开始的时候看到过。下面重点看下这个findNear方法： 

private static final int EQ = 1;
private static final int LT = 2;
private static final int GT = 0; // Actually checked as !LT
/**
 * Utility for ceiling, floor, lower, higher methods.
 * @param kkey the key
 * @param rel the relation -- OR'ed combination of EQ, LT, GT
 * @return nearest node fitting relation, or null if no such
 */
Node<K,V> findNear(K kkey, int rel) {
    Comparable<? super K> key = comparable(kkey);
    for (;;) {
        Node<K,V> b = findPredecessor(key);
        Node<K,V> n = b.next;
        for (;;) {
            if (n == null)
                return ((rel & LT) == 0 || b.isBaseHeader())? null : b; //出口1
            Node<K,V> f = n.next;
            if (n != b.next)                  // inconsistent read
                break;
            Object v = n.value;
            if (v == null) {                  // n is deleted
                n.helpDelete(b, f);
                break;
            }
            if (v == n || b.value == null)    // b is deleted
                break;
            int c = key.compareTo(n.key);
            if ((c == 0 && (rel & EQ) != 0) ||
                (c <  0 && (rel & LT) == 0))
                return n; //出口2
            if ( c <= 0 && (rel & LT) != 0)
                return (b.isBaseHeader())? null : b; //出口3
            b = n;
            n = f;
        }
    }
}

       这个方法整体流程其实和findNode类似，都是从head开始先找到base_level的上给定key的前驱节点，然后再往后找。区别是这里传入关系参数-EQ、LT、GT(GT在代码里面没直接用，而是通过没有LT来判断)，我们可以通过lowerEntry方法来分析，lowerEntry方法中间接调用的findNear方法传入的是LT，所以当在findNear方法中定位到目标节点n的时候，节点关系是这样的：[b->n->f]，节点key和给定key的大小关系是这样的：[b<k<=n<f]，所以代码会从findNear中的出口3(见注释)返回。

       接着分析下floorEntry： 

public Map.Entry<K,V> floorEntry(K key) {
    return getNear(key, LT|EQ);
}

       floorEntry方法中间接调用的findNear方法传入的是LT|EQ，所以当在findNear方法中定位到目标节点n的时候，节点关系是这样的：[b->n->f]，节点key和给定key的大小关系是这样的：[b<k<=n<f]，这里分两种情况：1.如果k<n，那么会从出口3退出，返回b；2.如果k=n，那么会从出口2退出(满足条件(c == 0 && (rel & EQ) != 0))，返回n。

       继续分析下ceilingEntry：

public Map.Entry<K,V> ceilingEntry(K key) {
    return getNear(key, GT|EQ);
}

       ceilingEntry方法中间接调用的findNear方法传入的是GT|EQ，所以当在findNear方法中定位到目标节点n的时候，节点关系是这样的：[b->n->f]，节点key和给定key的大小关系是这样的：[b<k<=n<f]，这里分两种情况：1.如果k<n(k>b)，那么会从出口2退出(满足条件(c <  0 && (rel & LT) == 0))，返回b；2.如果k=n，那么也会从出口2退出(满足条件(c == 0 && (rel & EQ) != 0))，返回n。

       最后分析下higherEntry： 

public Map.Entry<K,V> higherEntry(K key) {
    return getNear(key, GT);
}

       higherEntry方法中间接调用的findNear方法传入的是GT，所以当在findNear方法中定位到目标节点n的时候，节点关系是这样的：[b->n->f]，节点key和给定key的大小关系是这样的：[b<k<=n<f]，这里分两种情况：1.如果k<n，那么会从出口2退出(满足条件(c <  0 && (rel & LT) == 0))，返回b；2.如果k=n，那么会进入下一次循环，关系变成这样：[b<n=k<f]，这时会从出口2退出(满足条件(c <  0 && (rel & LT) == 0))，这时返回的是f。

 

       当然，上面分析的所有方法，都会遇到在findNear中遇到n==null的可能，这时关系图如下[b<k-null]，k一定大于b，所以只有传入LT，才可以返回b；否则都是null。而且如果b本身是BaseHead，也只能返回null。

 

• ConcurrentSkipListMap分析到这里，一些关键的地方已经分析到了，至于其他没覆盖到的方法，基本都是基于上面分析的方法或思路来实现的，这里就不一一分析了。

       最后提一下，看这个类源码的时候，一定要注意几个方面：

       1.注意数据结构，可以仔细理解上面给出的结构图，或者先了解下跳表的背景知识。

       2.注意删除节点是一个标记删除的过程，分两步，记住这个过程；而且源码中好多方法在遍历的过程中都会帮助推进删除。

       3.由于此类是一种无锁并发的实现，所以代码细节上会考虑各种竞争情况，导致代码比较复杂，所以阅读的时候也要考虑全面，仔细看注释，揣摩作者的意图。

 

• 最后，ConcurrentSkipListSet基于ConcurrentSkipListMap实现的：

public class ConcurrentSkipListSet<E>
    extends AbstractSet<E>
    implements NavigableSet<E>, Cloneable, java.io.Serializable {
    private static final long serialVersionUID = -2479143111061671589L;

    private final ConcurrentNavigableMap<E,Object> m;

    public ConcurrentSkipListSet() {
        m = new ConcurrentSkipListMap<E,Object>();
    }
    ...
    public boolean add(E e) {
    return m.putIfAbsent(e, Boolean.TRUE) == null;
    }
    ...
原文地址：http://brokendreams.iteye.com/blog/2253955