ConcurrentHashMap 1.8的优化

1. 存储的时候的优化
2. 写数据的时候加锁的优化
3. 扩容时的优化，有一个协助扩容的概念
4. 计数器的优化，在记录元素个数时，使用的类似与longAdder的形式，不会过度消耗CPU资源
   
   为什么多线程情况下longAdder会比atomic性能优化？

 AtomicLong VS LongAdder
 LongAdder适合的场景是统计求和计数的场景
 在竞争激烈的情况下，LongAdder的效率比AtomicLong高，但要消耗更多的空间
 
 LongAdder 性能优势
 LongAdder 的基本思路是分散热点，
 AtomicLong 中存在成员变量 value 保存 long 值，在高并发的情况下该 value 值是一个热点，由 N 个线程竞争；
 LongAdder 将 value 值分散到一个数组中，不同的线程命中到数组的不同的槽中，
 各线程仅仅对自己槽中的值进行 CAS 操作，从而分散热点减少冲突

ConcurrentHashMap 为什么使用散列算法

1. 可以让key的hash的高位和低位都参与到计算当中，与右移16位后的本身做异或运算是为了让高16位也参与运算，使得结果更加的随机，不然基本大多数情况只有低位参与运算。而之所以选择异或运算，是因为，异或运算的结果更平均，例如1和0做异运算，（1和1，1和0，0和1，0和0）4种情况有3种结果是0,一种是1。或运算则1种结果为1,3种为0。而异或运算是2种结果为1,2种结果为0.更平均。 更加的随机+更加的平均 + 没有负数？？？
   

ConcurrentHashMap 初始化数组的流程

1. sizeCtl这个属性是数组在初始化和扩容操作时的一个控制变量
2. 在初始化数组的时候，用了DCL的概念，先判断了数组初始化了没有，如果正在初始化，会通过Thread.yield()让出CPU资源，如果么有初始化，会通过cas修改sizeCtl，判断数组初始化了没有，没有的话再次初始化数组

ConcurrentHashMap 扩容的流程

1. 确认什么时候会触发扩容
2. 触发扩容的时候，计算扩容标识戳
3. 计算扩容标识戳的时候，会先往左诺16位+2代表是第一个进来扩容的线程
4. 当线程扩容开始之后，要计算每个线程迁移数据的最小长度是多少，最小值是16
5. 计算完扩容的长度之后，要初始化一个新的数组
6. 初始化数组之后，领取任务，从xxx索引未知开始迁移，把老数组数据迁移到新数组之中
7. 迁移完成之后，看是不是最后一个线程迁移完成的，如果是最后一个线程迁移完成的话，要从头到位检查一下有没有遗漏的数据

ConcurrentHashMap 读取数据的流程

1. get方法是不会加锁的，查询时，第一步，基于Key得到hashcode值，再基于hashcode定位到索引的某一个未知，如果数组上存储的数据就是我要的，直接返回，如果数组上的数据不是我要的
2. 我可能做两布查询
   第一种情况，查询双向链表，在链表中next查询，时间复杂度为oN
   另一种情况，如果数据做了迁移，下面是红黑树，那么会基于find方法做其他查询，如果数据已经迁移了，会直接查询新数据nexttable，在nexttable中查询
3. 如果是红黑树，在红黑树里面，如果有写操作正在执行，或者有写操作正在等待，读操作会查询双向链表，如果没有写操作在执行，也没有写操作在等待
   就直接查询红黑树，以二分半的形式，以大O的logN的时间复杂度去查询需要的数据

ConcurrentHashMap addcount（计数器的实现）

1. 类似与使用了longAdder实现了这部分功能，并发不高的情况下使用baseCount进行cas，并发高的时候使用CounterCell数组，对CounterCell中的value进行cas操作
2. size()方法，用了countercell数组中的value和baseCoune相加返回的
3. size()是弱一致性，不是强一致性