深入学习java ThreadLocal的源码知识

深入学习java ThreadLocal的源码知识

简介

ThreadLocal是每个线程自己维护的一个存储对象的数据结构，线程间互不影响实现线程封闭。一般我们通过ThreadLocal对象的get/set方法存取对象。

源码分析

ThreadLocal的set方法源码如下

public void set(T value) {

Thread t = Thread.currentThread();

ThreadLocalMap map = getMap(t); // 根据当前线程获得ThreadLocalMap对象

if (map != null)

map.set(this, value); // 如果有则set

else

createMap(t, value); // 否则创建ThreadLocalMap对象

}

ThreadLocalMap getMap(Thread t) {

return t.threadLocals;

}

void createMap(Thread t, T firstValue) {

t.threadLocals = new ThreadLocalMap(this, firstValue);

}

通过getMap方法，可见我们返回的map实际上是Thread对象的threadLocals属性。而这个ThreadLocalMap就是用来存储数据的结构。

ThreadLocalMap介绍

ThreadLocalMap是ThreadLocal的核心，定义在ThreadLocal类里的内部类，他维护了一个Enrty数组。ThreadLocal存/取数据都是通过操作Enrty数组来实现的。

Enrty数组作为一个哈希表，将对象通过开放地址方法散列到这个数组中。作为对比，HashMap则是通过链表法将对象散列到数组中。

开放地址法就是元素散列到数组中的位置如果有冲突，再以某种规则在数组中找到下一个可以散列的位置，而在ThreadLocalMap中则是使用线性探测的方式向后依次查找可以散列的位置。

Enery介绍

Enery在这里我们称之为元素，是散列表中维护的对象单元。

// 哈希映射表中的元素使用其引用字段作为键（它始终是ThreadLocal对象）继承WeakReference。

// 注意，null键（即entry.get（）== null）表示不再引用该键，因此可以从表中删除该元素。

// 这些元素在下面的代码中称为“旧元素”。

// 这些“旧元素”就是脏对象，因为存在引用不会被GC，

// 为避免内存泄露需要代码里清理，将引用置为null，那么这些对象之后就会被GC清理。

// 实际上后面的代码很大程度上都是在描述如何清理“旧元素”的引用

static class Entry extends WeakReference> {

Object value;

Entry(ThreadLocal> k, Object v) {

super(k);

value = v;

}

}

到这里可能有两个疑问

1、既然要存储的内容是线程独有的对象，为什么不直接在Thread里设置一个属性直接存储该对象？或者说为什么要维护一个Entry散列表来存储内容并以ThreadLocal对象作为key？

答：一个ThreadLocal对象只属于一个线程，但一个线程可以实例化ThreadLocal对象。而ThreadLocalMap维护的数组存储的就是以ThreadLocal实例作为key的Entry对象。

2、ThreadLocalMap中的Enery为什么要继承WeakReference?

答：首先弱引用会在ThreadLocal对象不存在强引用的情况，弱引用对象会在下次GC时被清除。

将ThreadLocal对象作为弱引用目的是为了防止内存泄露。

假设Enery的key不是弱引用，即使在我们的代码里threadLocal引用已失效，threadLocal也不会被GC，因为当前线程持有ThreadLocalMap的引用，而ThreadLocalMap持有Entry数组的引用，Entry对象的key又持有threadLocal的引用，threadLocal对象针对当前线程可达，所以不会被GC。

而Enery的key值threadLocal作为弱引用，在引用失效时会被GC。但即使threadLocal做为弱引用被GC清理，Entry[]还是存在entry对象，只是key为null,vlue对象也还存在，这些都是脏对象。弱引用不单是清理了threadLocal对象，它的另一层含义是可以标识出Enery[]数组中哪些元素应该被GC（我们这里称为旧元素），然后程序里找出这些entry并清理。

ThreadLocalMap的set方法

回到前面提到的set方法，当map不为null时会调用ThreadLocalMap的set方法。

ThreadLocalMap的set方法描述了如何将值散列到哈希表中，是开放地址法以线性探测方式散列的实现。在成功set值之后，尝试清理一些旧元素，如果没有发现旧元素则判断阈值，确认哈希表是否足够大、是否需要扩容。如果哈希表过于拥挤，get/set值会发生频繁的冲突，这是不期望的情况。ThreadLocalMap的set方法代码及详细注释如下

private void set(ThreadLocal> key, Object value) {

// We do not use a fast path as with get() because it is at

// least as common to use set() to create new entries as

// it is to replace existing ones, in which case, a fast

// path would fail more often than not.

// 我们不像get（）那样先使用快速路径（直接散列）判断

// 因为使用set（）创建新元素至少与替换现有元素一样频繁，在这种情况下，散列后立刻判断会容易失败。

// 所以直接先线性探测

Entry[] tab = table;

int len = tab.length;

// 根据hashcode散列到数组位置

int i = key.threadLocalHashCode & (len-1);

// 开放地址法处理散列冲突，线性探测找到可以存放位置

// 遍历数组找到下一个可以存放元素的位置，这种位置包含三种情况

// 1.元素的key已存在，直接赋值value

// 2.元素的key位null，说明k作为弱引用被GC清理，该位置为旧数据，需要被替换

// 3.直到遍历到一个数组位置为null的位置赋值

for (Entry e = tab[i];

e != null;

e = tab[i = nextIndex(i, len)]) {

ThreadLocal> k = e.get();

if (k == key) {//key已存在则直接更新

e.value = value;

return;

}

if (k == null) { //e不为null但k为null说明k作为弱引用被GC，是旧数据需要被清理

// i为旧数据位置，清理该位置并依据key合理地散列或将value替换到数组中

// 然后重新散列i后面的元素，并顺便清理i位置附近的其他旧元素

replaceStaleEntry(key, value, i);

return;

}

}

// 遍历到一个数组位置为null的位置赋值

tab[i] = new Entry(key, value);

int sz = ++size;

// 调用cleanSomeSlots尝试性发现并清理旧元素，如果没有发现且旧元素当前容量超过阈值，则调用rehash

if (!cleanSomeSlots(i, sz) && sz >= threshold)

// 此时认为表空间不足，全量遍历清理旧元素，清理后判断容量若大于阈值的3/4，若是则扩容并从新散列

rehash();

}

replaceStaleEntry方法

replaceStaleEntry方法是当我们线性探测时，如果碰到了旧元素就执行。该方法做的事情比较多，可以总结为我们在staleSlot位置发现旧元素，将新值覆盖到staleSlot位置上并清理staleSlot附近的旧元素。“附近”指的是staleSlot位置前后连续的非null元素。代码及详细注释如下

private void replaceStaleEntry(ThreadLocal> key, Object value, int staleSlot) {

Entry[] tab = table;

int len = tab.length;

Entry e;

// Back up to check for prior stale entry in current run.

// We clean out whole runs at a time to avoid continual

// incremental rehashing due to garbage collector freeing

// up refs in bunches (i.e., whenever the collector runs).

// 向前检查是否存在旧元素，一次性彻底清理由于GC清除的弱引用key导致的旧数据，避免多次执行

int slotToExpunge = staleSlot;

// 向前遍历找到entry不为空且key为null的位置赋值给slotToExpunge

for (int i = prevIndex(staleSlot, len);

(e = tab[i]) != null;

i = prevIndex(i, len))

if (e.get() == null)

slotToExpunge = i;

// Find either the key or trailing null slot of run, whichever

// occurs first

// staleSlot位置向后遍历如果位置不为空，判断key是否已经存在

// 回想前面我们是set实例的时候，碰到旧元素的情况下调用该方法，所以很可能在staleSlot后面key是已经存在的

for (int i = nextIndex(staleSlot, len);

(e = tab[i]) != null;

i = nextIndex(i, len)) {

ThreadLocal> k = e.get();

// If we find key, then we need to swap it

// with the stale entry to maintain hash table order.

// The newly stale slot, or any other stale slot

// encountered above it, can then be sent to expungeStaleEntry

// to remove or rehash all of the other entries in run.

// 如果我们找到键，那么我们需要将它与旧元素交换以维护哈希表顺序。

// 然后可以将交换后得到的旧索引位置

// 或其上方遇到的任何其他旧索引位置传给expungeStaleEntry清理旧条

// 如果碰到key相同的值则覆盖value

if (k == key) {

e.value = value;

// i位置与staleSlot旧数据位置做交换，将数组元素位置规范化，维护哈希表顺序

// 这里维护哈希表顺序是必要的，举例来说，回想前面threadLocal.set实例的判断，是线性探测找到可以赋值的位置

// 如果哈希顺序不维护，可能造成同一个实例被赋值多次的情况

// 包括后面清理旧元素的地方都要重新维护哈希表顺序

tab[i] = tab[staleSlot];

tab[staleSlot] = e;

// Start expunge at preceding stale entry if it exists

// 开始清理前面的旧元素

// 如果前面向前或向后查找的旧元素不存在，也就是slotToExpunge == staleSlot

//此时slotToExpunge = i，此时位置i的元素是旧元素，需要被清理

// slotToExpunge用来存储第一个需要被清理的旧元素位置

if (slotToExpunge == staleSlot)

slotToExpunge = i;

// 清理完slotToExpunge位置及其后面非空连续位置后，通过调用cleanSomeSlots尝试性清理一些其他位置的旧元素

// cleanSomeSlots不保证清理全部旧元素，它的时间复杂度O(log2n)，他只是全量清理旧元素或不清理的折中

cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);

return;

}

// If we do not find stale entry on backward scan, the

// first stale entry seen while scanning for key is the

// first still present in the run.

// 如果前面向前查找的旧元素不存在，也就是slotToExpunge == staleSlot,而此时位置i为旧元素，所以将i赋值给slotToExpunge

// slotToExpunge用来存储第一个需要被清http://理的旧元素位置

if (k == null && slotToExpunge == staleSlot)

slotToExpunge = i;

}

// If key not found, put new entry in stale slot

// 如果向后遍历非空entry都没有找到key，则直接赋值给当前staleSlot旧元素位置

tab[staleSlot].value = null;

tab[staleSlot] = new Entry(key, value);

// If there are any other stale entries in run, expunge them

// 通过前面根据staleSlot向前/向后遍历，如果发现有旧元素则清理

if (slotToExpunge != staleSlot)

// 清理完slotToExpunge位置及其后面非空连续位置后，通过调用cleanSomeSlots尝试性清理一些其他位置的旧元素

// cleanSomeSlots不保证清理全部旧元素，它的时间复杂度O(log2n)，他只是全量清理旧元素或不清理的折中

cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);

}

expungeStaleEntry方法

查找到的旧元素都会执行expungeStaleEntry方法。expungeStaleEntry频繁被使用，它是清理旧元素的核心方法。该方法的做的事情就是：清理包括staleSlot位置后面连续为空元素中的所有旧元素并重新散列，返回staleSlot后面首个null位置。代码及详细注释如下

private int expungeStaleEntry(int staleSlot) {

Entry[] tab = table;

int len = tab.length;

// expunge entry at staleSlot

// 清空staleSlot位置的元素

tab[staleSlot].value = null;

tab[staleSlot] = null;

size--;

// Rehash until we encounter null

// 旧位置清理后，后面的元素需要重新散列到数组里，直到遇到数组位置为null。即维护哈希顺序。

Entry e;

int i;

for (i = nextIndex(staleSlot, len);

(e = tab[i]) != null;

i = nextIndex(i, len)) {

ThreadLocal> k = e.get();

if (k == null) { // k == null说明此位置也是旧数据，需要清理

e.value = null;

tab[i] = null;

size--;

} else {

int h = k.threadLocalHashCode & (len - 1);

// 将staleSlot后面不为空位置重新散列，如果与当前位置不同，则向前移动到h位置后面（包括h）的首个空位置

if (h != i) {

tab[i] = null;

// Unlike Knuth 6.4 Algorithm R, we must scan until

// null because multiple entries could have been stale.

while (tab[h] != null)

h = nextIndex(h, len);

tab[h] = e;

}

}

}

return i;

}

cleanSomeSlots方法

cleanSomeSlots是一个比较灵动的方法。就如他的名字"some"一样。该方法只是尝试性地寻找一些旧元素。添加新元素或替换旧元素时都会调用此方法。它的执行复杂度log2(n)，他是 “不清理”和“全量清理”的折中。若有发现旧元素返回true。代码及详细注释如下

private boolean cleanSomeSlots(int i, int n) {

boolean removed = false;

Entry[] tab = table;

int len = tab.length;

do {

i = nextIndex(i, len);

Entry e = tab[i];

if (e != null && e.get() == null) {

n = len;

removed = true;

i = expungeStaleEntry(i);

}

// n >>>= 1无符号右移1位，即移动次数以n的二进制最高位的1的位置为基准

// 所以时间复杂度log2(n)

} while ( (n >>>= 1) != 0);

return removed;

}

rehash/expungeStaleEntries/resize方法

在成功set值后，通过阈值判断，如果程序认为表空间不足就会调用rehash方法。

rehash做了两件事，首先全量遍历清理旧元素，然后在清理后判断容量是否足够，若成立则2倍扩容并重新散列。

expungeStaleEntries则是全量清理旧元素，resize则是二倍扩容。

// rehash全量地遍历清理旧元素，然后判断容量若大于阈值的3/4，则扩容并从新散列

// 程序认为表空间不足时会调用该方法

private void rehash() {

// 全量遍历清理旧元素

expungeStaleEntries();

// Use lower threshold for doubling to avoid hysteresis

// 适当的扩容，以避免hash散列到数组时过多的位置冲突

if (size >= threshold - threshold / 4)

// 2倍扩容并重新散列

resize();

}

// 全量遍历清理旧元素

private void expungeStaleEntries() {

Entry[] tab = table;

int len = tab.length;

for (int j = 0; j < len; j++) {

Entry e = tab[j];

if (e != null && e.get() == null)

expungeStaleEntry(j);

}

}

// 二倍扩容

private void resize() {

Entry[] oldTab = table;

int oldLen = oldTab.length;

int newLen = oldLen * 2;

Entry[] newTab = new Entry[newLen];

int count = 0;

for (int j = 0; j < oldLen; ++j) {

Entry e = oldTab[j];

if (e != null) {

ThreadLocal> k = e.get();

if (k == null) {

e.value = null; // Help the GC

} else {

int h = k.threadLocalHashCode & (newLen - 1);

while (newTab[h] != null)

h = nextIndex(h, newLen);

newTab[h] = e;

count++;

}

}

}

setThreshold(newLen);

size = count;

table = newTab;

}

ThreadLocal的get方法

ThreadLocal的gehttp://t逻辑相比set要简单的多。他只是将threadLocal对象散列到数组中，通过线性探测的方式找到匹配的值。代码及详细注释如下

public T get() {

Thread t = Thread.currentThread();

ThreadLocalMap map = getMap(t);

if (map != null) {

ThreadLocalMap.Entry e = map.getEntry(this);

if (e != null) {

@SuppressWarnings("unchecked")

T result = (T)e.value;

return result;

}

}

// 如果map不为null初始化一个key为当前threadLocal值为null的ThreadLocalMap对象

return setIBvvSDbbSIXnitialValue();

}

private Entry getEntry(ThreadLocal> key) {

int i = key.threadLocalHashCode & (table.length - 1);

Entry e = table[i];

if (e != null && e.get() == key)

return e;

else // 直接散列找不到的情况，调用getEntryAfterMiss线性探测查找期望元素

return getEntryAfterMiss(key, i, e);

}

private Entry getEntryAfterMiss(ThreadLocal> key, int i, Entry e) {

Entry[] tab = table;

int len = tab.length;

// 线性探测找到符合的元素，若遇到旧元素则进行清理

while (e != null) {

ThreadLocal> k = e.get();

if (k == key)

return e;

if (k == null)

expungeStaleEntry(i);

else

i = nextIndex(i, len);

e = tab[i];

}

return null;

}

remove方法

remove即将引用清空并调用清理旧元素方法。所以remove不会产生旧元素，当我们确认哪些内容需要移除时优先使用remove方法清理，尽量不要交给GC处理。避免get/set发现旧元素的情况过多。

public void remove() {

ThreadLocalMap m = getMap(Thread.currentThread());

if (m != null)

m.remove(this);

}

private void remove(ThreadLocal> key) {

Entry[] tab = table;

int len = tab.length;

int i = key.threadLocalHashCode & (len-1);

for (Entry e = tab[i];

e != null;

e = tab[i = nextIndex(i, len)]) {

if (e.get() == key) {

e.clear();

expungeStaleEntry(i);

return;

}

}

}

总结

ThreadLocal最大的复杂性在于如何处理旧元素，目的是为了避免内存泄露。

在新增或替换元素成功后，为了尽可能少地在get/set时发现有旧元素的情况，在清理旧元素后多次调用cleanSomeSlots尝试性地发现并清理一些旧元素，为了执行效率，“cleanSome”是“no clean” 不清理和“clean all”全量清理之间一的种平衡。

expungeStaleEntry在清理自己位置上的旧元素的同时也会清理附近的旧元素，为得都是减少get/set发现旧元素的情况。即便如此，在哈希表容量过多时也会全量清理一遍旧元素并扩容。

当确认元素需要清除时，优先使用remove方法。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。