JDK源码分析（12）之 ConcurrentHashMap 详解

本文将主要讲述 JDK1.8 版本 的 ConcurrentHashMap，其内部结构和很多的哈希优化算法，都是和 JDK1.8 版本的 HashMap是一样的，所以在阅读本文之前，一定要先了解 HashMap，可以参考 HashMap 相关；另外 ConcurrentHashMap 中同样有红黑树，这部分可以先不看不影响整体结构把握，有兴趣的可以查看 红黑树；

一、ConcurrentHashMap 结构概述

1. 整体概述

CHM 的源码有 6k 多行，包含的内容多，精巧，不容易理解；建议在查看源码的时候，可以首先把握整体结构脉络，对于一些精巧的优化，哈希技巧可以先了解目的就可以了，不用深究；对整体把握比较清楚后，在逐步分析，可以比较快速的看懂；

JDK1.8 版本中的 CHM，和 JDK1.7 版本的差别非常大，在查看资料的时候要注意区分，1.7 中主要是使用 Segment 分段锁 来解决并发问题的；而在 1.8 中则完全没有这些稍显臃肿的结构，其结构基本和 HashMap 是一样的，都是 数组 + 链表 + 红黑树，如图所示：

其主要区别就在 CHM 支持并发：

  • 使用 Unsafe 方法操作数组内部元素，保证可见性；（U.getObjectVolatile、U.compareAndSwapObject、U.putObjectVolatile）；
  • 在更新和移动节点的时候，直接锁住对应的哈希桶，锁粒度更小，且动态扩展；
  • 针对扩容慢操作进行优化，
    • 首先扩容过程的中，节点首先移动到过度表 nextTable ，所有节点移动完毕时替换散列表 table；
    • 移动时先将散列表定长等分，然后逆序依次领取任务扩容，设置 sizeCtl 标记正在扩容；
    • 移动完成一个哈希桶或者遇到空桶时，将其标记为 ForwardingNode 节点，并指向 nextTable ；
    • 后有其他线程在操作哈希表时，遇到 ForwardingNode 节点，则先帮助扩容（继续领取分段任务），扩容完成后再继续之前的操作；
  • 优化哈希表计数器，采用 LongAdder、Striped64 类似思想；
  • 以及大量的哈希算法优化和状态变量优化；

以上讲的这些不太清楚也没有关系，主要是有一个印象，大致清楚 CHM 的实现方向，具体细节后面还会结合源码详细讲解；

2. 类定义和成员变量

public class ConcurrentHashMap<K,V>
             extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
  private static final int MAXIMUM_CAPACITY = 1 << 30;       // 最大容量
  private static final int DEFAULT_CAPACITY = 16;            // 默认初始化容量
  private static final int DEFAULT_CONCURRENCY_LEVEL = 16;   // 并发级别，为兼容1.7，实际未用
  private static final float LOAD_FACTOR = 0.75f;       // 固定负载系数，n - (n >>> 2)
  static final int TREEIFY_THRESHOLD = 8;               // 链表超过8时，转为红黑树
  static final int UNTREEIFY_THRESHOLD = 6;             // 红黑树低于6时，转为链表
  static final int MIN_TREEIFY_CAPACITY = 64;           // 树化最小容量，容量小于64时，先扩容
  private static final int MIN_TRANSFER_STRIDE = 16;    // 扩容时拆分散列表，最小步长
  private static int RESIZE_STAMP_BITS = 16;
  private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;  // 可参与扩容的最大线程

  static final int NCPU = Runtime.getRuntime().availableProcessors();  // CPU 数
  transient volatile Node<K,V>[] table;                // 散列表
  private transient volatile Node<K,V>[] nextTable;    // 扩容时的过度表

  private transient volatile int sizeCtl;              // 最重要的状态变量，下面详讲
  private transient volatile int transferIndex;        // 扩容进度指示

  private transient volatile long baseCount;              // 计数器，基础基数
  private transient volatile int cellsBusy;               // 计数器，并发标记
  private transient volatile CounterCell[] counterCells;  // 计数器，并发累计

  public ConcurrentHashMap() { }

  public ConcurrentHashMap(int initialCapacity) {
    if (initialCapacity < 0)
      throw new IllegalArgumentException();
    int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
           MAXIMUM_CAPACITY :
           tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));  // 注意这里不是0.75，后面介绍
    this.sizeCtl = cap;
  }

  public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
    this.sizeCtl = DEFAULT_CAPACITY;
    putAll(m);
  }

    public ConcurrentHashMap(int initialCapacity, float loadFactor) {
    this(initialCapacity, loadFactor, 1);
  }

  public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) {
    if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
      throw new IllegalArgumentException();
    if (initialCapacity < concurrencyLevel)   // Use at least as many bins
      initialCapacity = concurrencyLevel;   // as estimated threads
    long size = (long)(1.0 + (long)initialCapacity / loadFactor);   // 注意这里的初始化
    int cap = (size >= (long)MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : tableSizeFor((int)size);
    this.sizeCtl = cap;
  }
  ...
}

上面有几个重要的地方这里单独讲：

LOAD_FACTOR:

这里的负载系数，同 HashMap 等其他 Map 的系数有明显区别：

sizeCtl:

sizeCtl 是 CHM 中最重要的状态变量，其中包括很多中状态，这里先整体介绍帮助后面源码理解；

  • sizeCtl = 0 ：初始值，还未指定初始容量；
  • sizeCtl > 0 ：
    • table 未初始化，表示初始化容量；
    • table 已初始化，表示扩容阈值（0.75n）；
  • sizeCtl = -1 ：表示正在初始化；
  • sizeCtl < -1 ：表示正在扩容，具体结构如图所示：

计算代码如下：

/*
 * n=64
 * Integer.numberOfLeadingZeros(n)＝26
 * resizeStamp(64) = 0001 1010 | 1000 0000 0000 0000 = 1000 0000 0001 1010
 */
static final int resizeStamp(int n) {
  return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
}

所以 resizeStamp(64) << RESIZE_STAMP_SHIFT) + 2 ，表示扩容目标为 64，有一个线程正在扩容；

3. Node 节点

static class Node<K,V> implements Map.Entry<K,V> {  // 哈希表普通节点
  final int hash;
  final K key;
  volatile V val;
  volatile Node<K,V> next;

  Node<K,V> find(int h, Object k) {}   // 主要在扩容时，利用多态查询已转移节点
}

static final class ForwardingNode<K,V> extends Node<K,V> {  // 标识扩容节点
  final Node<K,V>[] nextTable;  // 指向成员变量 ConcurrentHashMap.nextTable

  ForwardingNode(Node<K,V>[] tab) {
    super(MOVED, null, null, null);  // hash = -1，快速确定 ForwardingNode 节点
    this.nextTable = tab;
  }

  Node<K,V> find(int h, Object k) {}
}

static final class TreeBin<K,V> extends Node<K,V> { // 红黑树根节点
  TreeBin(TreeNode<K,V> b) {
    super(TREEBIN, null, null, null);  // hash = -2，快速确定红黑树，
    ...
  }
}
static final class TreeNode<K,V> extends Node<K,V> { } // 红黑树普通节点，其 hash 同 Node 普通节点 > 0；

4. 哈希计算

static final int MOVED     = -1;          // hash for forwarding nodes
static final int TREEBIN   = -2;          // hash for roots of trees
static final int RESERVED  = -3;          // hash for transient reservations
static final int HASH_BITS = 0x7fffffff;  // usable bits of normal node hash

// 让高位16位，参与哈希桶定位运算的同时，保证 hash 为正
static final int spread(int h) {
  return (h ^ (h >>> 16)) & HASH_BITS;
}

除此之外还有，

  • tableSizeFor : 将容量转为大于n，且最小的2的幂；
  • 除留余数法 ：hash % length = hash & (length-1) ；
  • 扩容后哈希桶定位：(e.hash & oldCap)，0 - 位置不变，1 - 原来的位置 + oldCap；

以上这些哈希优化的具体原理，都在之前的博客讲过了，就不在重复了，HashMap 相关；

5. 哈希桶可见性

我们都知道一个数组即使声明为 volatile，也只能保证这个数组引用本身的可见性，其内部元素的可见性是无法保证的，如果每次都加锁，则效率必然大大降低，在 CHM 中则使用 Unsafe 方法来保证：

static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
  return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}

static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) {
  return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}

static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
  U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}

二、源码解析

1. initTable 方法

private final Node<K,V>[] initTable() {
  Node<K,V>[] tab; int sc;
  while ((tab = table) == null || tab.length == 0) {
    if ((sc = sizeCtl) < 0) Thread.yield();  // 有其他线程在初始化
    else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {  // 设置状态 -1
      try {
        if ((tab = table) == null || tab.length == 0) {
          int n = (sc > 0) ? sc : DEFAULT_CAPACITY;  // 注意此时的 sizeCtl 表示初始容量，完毕后表示扩容阈值
          @SuppressWarnings("unchecked")
          Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
          table = tab = nt;
          sc = n - (n >>> 2);  // 同 0.75n
        }
      } finally {
        sizeCtl = sc;  // 注意这里没有 CAS 更新，这就是状态变量的高明了，因为前面设置了 -1，此时这里没有竞争
      }
      break;
    }
  }
  return tab;
}

2. get 方法

get 方法可能看代码不是很长，但是他却能 保证无锁状态下的内存一致性 ，他的每一句代码都要仔细理解，多设想一下如果发生竞争会怎样，如此才能有所得；

public V get(Object key) {
  Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
  int h = spread(key.hashCode()); // 计算 hash
  if ((tab = table) != null && (n = tab.length) > 0 &&  // 确保 table 已经初始化

    // 确保对应的哈希桶不为空，注意这里是 Volatile 语义获取；因为扩容的时候，是完全拷贝，所以只要不为空，则链表必然完整
    (e = tabAt(tab, (n - 1) & h)) != null) {
    if ((eh = e.hash) == h) {
      if ((ek = e.key) == key || (ek != null && key.equals(ek)))
        return e.val;
    }

    // hash < 0，则必然在扩容，原来位置的节点可能全部移动到 i + oldCap 位置，所以利用多态到 nextTable 中查找
    else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null;

    while ((e = e.next) != null) { // 遍历链表
      if (e.hash == h &&
        ((ek = e.key) == key || (ek != null && key.equals(ek))))
        return e.val;
    }
  }
  return null;
}

3. putVal 方法

注意 CHM 的 key 和 value 都不能为空

final V putVal(K key, V value, boolean onlyIfAbsent) {
  if (key == null || value == null) throw new NullPointerException();
  int hash = spread(key.hashCode());  // hash 计算
  int binCount = 0;                   // 状态变量，主要表示查找链表节点数，最后判断是否转为红黑树
  for (Node<K,V>[] tab = table;;) {
    Node<K,V> f; int n, i, fh;
    if (tab == null || (n = tab.length) == 0) tab = initTable();  // 初始化
    else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {      // cas 获取哈希桶
      if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) // cas 更新，失败时继续循环更新
        break;  // no lock when adding to empty bin
    }
    else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f);  // 正在扩容的时候，先帮助扩容
    else {
      V oldVal = null;
      synchronized (f) {  // 注意这里只锁定了一个哈希桶，所以比 1.7 中的 Segment 分段锁 粒度更低
        if (tabAt(tab, i) == f) {  // 确认该哈希桶是否已经移动
          if (fh >= 0) {   // hash >=0 则必然是普通节点，直接遍历链表即可
            binCount = 1;
            for (Node<K,V> e = f;; ++binCount) {
              K ek;
              if(e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { // 查找成功
                oldVal = e.val;
                if (!onlyIfAbsent) e.val = value;
                break;
              }
              Node<K,V> pred = e;
              if ((e = e.next) == null) {  // 查找失败时，直接在末尾添加新节点
                pred.next = new Node<K,V>(hash, key, value, null);
                break;
              }
            }
          }
          else if (f instanceof TreeBin) {  // 树根节点
            Node<K,V> p;
            binCount = 2;
            if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) {  // 红黑树查找
              oldVal = p.val;
              if (!onlyIfAbsent) p.val = value;
            }
          }
        }
      }
      if (binCount != 0) {
        if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); // 如果链表长度大于8，转为红黑树
        if (oldVal != null)
          return oldVal;
        break;
      }
    }
  }
  addCount(1L, binCount); // 计数加一，注意这里使用的是计数器，普通的 Atomic 变量仍然可能称为性能瓶颈；
  return null;
}

其具体流程如图所示：

4. 扩容

扩容操作一直都是比较慢的操作，而 CHM 中巧妙的利用任务划分，使得多个线程可能同时参与扩容；另外扩容条件也有两个：

  • 有链表长度超过 8，但是容量小于 64 的时候，发生扩容；
  • 节点数超过阈值的时候，发生扩容；

其扩容的过程可描述为：

  • 首先扩容过程的中，节点首先移动到过度表 nextTable ，所有节点移动完毕时替换散列表 table；
  • 移动时先将散列表定长等分，然后逆序依次领取任务扩容，设置 sizeCtl 标记正在扩容；
  • 移动完成一个哈希桶或者遇到空桶时，将其标记为 ForwardingNode 节点，并指向 nextTable ；
  • 后有其他线程在操作哈希表时，遇到 ForwardingNode 节点，则先帮助扩容（继续领取分段任务），扩容完成后再继续之前的操作；

图形化表示如下：

源码分析如下：

private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
  int n = tab.length, stride;
  if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
    stride = MIN_TRANSFER_STRIDE; // 根据 CPU 数量计算任务步长
  if (nextTab == null) {          // 初始化 nextTab
    try {
      @SuppressWarnings("unchecked")
      Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];  // 扩容一倍
      nextTab = nt;
    } catch (Throwable ex) {
      sizeCtl = Integer.MAX_VALUE; // 发生 OOM 时，不再扩容
      return;
    }
    nextTable = nextTab;
    transferIndex = n;
  }
  int nextn = nextTab.length;
  ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);  // 标记空桶，或已经转移完毕的桶
  boolean advance = true;
  boolean finishing = false; // to ensure sweep before committing nextTab
  for (int i = 0, bound = 0;;) {  // 逆向遍历扩容
    Node<K,V> f; int fh;
    while (advance) {  // 向前获取哈希桶
      int nextIndex, nextBound;
      if (--i >= bound || finishing)               // 已经取到哈希桶，或已完成时退出
        advance = false;
      else if ((nextIndex = transferIndex) <= 0) { // 遍历到达头节点，已经没有待迁移的桶，线程准备退出
        i = -1;
        advance = false;
      }
      else if (U.compareAndSwapInt
           (this, TRANSFERINDEX, nextIndex,
            nextBound = (nextIndex > stride ? nextIndex - stride : 0))) {  // 当前任务完成，领取下一批哈希桶
        bound = nextBound;
        i = nextIndex - 1;  // 索引指向下一批哈希桶
        advance = false;
      }
    }

    // i < 0  ：表示扩容结束，已经没有待移动的哈希桶
    // i >= n ：扩容结束，再次检查确认
    // i + n >= nextn ： 在使用 nextTable 替换 table 时，有线程进入扩容就会出现
    if (i < 0 || i >= n || i + n >= nextn) { // 完成扩容准备退出
      int sc;
      if (finishing) {  // 两次检查，只有最后一个扩容线程退出时，才更新变量
        nextTable = null;
        table = nextTab;
        sizeCtl = (n << 1) - (n >>> 1); // 0.75*2*n
        return;
      }
      if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {  // 扩容线程减一
        if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) return;  // 不是最后一个线程，直接退出
        finishing = advance = true;   // 最后一个线程，再次检查
        i = n;                        // recheck before commit
      }
    }
    else if ((f = tabAt(tab, i)) == null)  // 当前节点为空，直接标记为 ForwardingNode，然后继续获取下一个桶
      advance = casTabAt(tab, i, null, fwd);

    // 之前的线程已经完成该桶的移动，直接跳过，正常情况下自己的任务区间，不会出现 ForwardingNode 节点，
    else if ((fh = f.hash) == MOVED)  // 此处为极端条件下的健壮性检查
      advance = true; // already processed

    // 开始处理链表
    else {
      // 注意在 get 的时候，可以无锁获取，是因为扩容是全拷贝节点，完成后最后在更新哈希桶
      // 而在 put 的时候，是直接将节点加入尾部，获取修改其中的值，此时如果允许 put 操作，最后就会发生脏读，
      // 所以 put 和 transfer，需要竞争同一把锁，也就是对应的哈希桶，以保证内存一致性效果
      synchronized (f) {
        if (tabAt(tab, i) == f) {  // 确认锁定的是同一个桶
          Node<K,V> ln, hn;
          if (fh >= 0) {  // 正常节点
            int runBit = fh & n;  // hash & n，判断扩容后的索引
            Node<K,V> lastRun = f;

            // 此处找到链表最后扩容后处于同一位置的连续节点，这样最后一节就不用再一次复制了
            for (Node<K,V> p = f.next; p != null; p = p.next) {
              int b = p.hash & n;
              if (b != runBit) {
                runBit = b;
                lastRun = p;
              }
            }
            if (runBit == 0) {
              ln = lastRun;
              hn = null;
            }
            else {
              hn = lastRun;
              ln = null;
            }

            // 依次将链表拆分成，lo、hi 两条链表，即位置不变的链表，和位置 + oldCap 的链表
            // 注意最后一节链表没有new，而是直接使用原来的节点
            // 同时链表的顺序也被打乱了，lastRun 到最后为正序，前面一节为逆序
            for (Node<K,V> p = f; p != lastRun; p = p.next) {
              int ph = p.hash; K pk = p.key; V pv = p.val;
              if ((ph & n) == 0)
                ln = new Node<K,V>(ph, pk, pv, ln);
              else
                hn = new Node<K,V>(ph, pk, pv, hn);
            }
            setTabAt(nextTab, i, ln);      // 插入 lo 链表
            setTabAt(nextTab, i + n, hn);  // 插入 hi 链表
            setTabAt(tab, i, fwd);         // 哈希桶移动完成，标记为 ForwardingNode 节点
            advance = true;                // 继续获取下一个桶
          }
          else if (f instanceof TreeBin) { // 拆分红黑树
            TreeBin<K,V> t = (TreeBin<K,V>)f;
            TreeNode<K,V> lo = null, loTail = null; // 为避免最后在反向遍历，先留头结点的引用，
            TreeNode<K,V> hi = null, hiTail = null; // 因为顺序的链表，可以加速红黑树构造
            int lc = 0, hc = 0;  // 同样记录 lo，hi 链表的长度
            for (Node<K,V> e = t.first; e != null; e = e.next) {  // 中序遍历红黑树
              int h = e.hash;
              TreeNode<K,V> p = new TreeNode<K,V>(h, e.key, e.val, null, null);  // 构造红黑树节点
              if ((h & n) == 0) {
                if ((p.prev = loTail) == null)
                  lo = p;
                else
                  loTail.next = p;
                loTail = p;
                ++lc;
              }
              else {
                if ((p.prev = hiTail) == null)
                  hi = p;
                else
                  hiTail.next = p;
                hiTail = p;
                ++hc;
              }
            }

            // 判断是否需要将其转化为红黑树，同时如果只有一条链，那么就可以不用在构造
            ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) : (hc != 0) ? new TreeBin<K,V>(lo) : t;
            hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : (lc != 0) ? new TreeBin<K,V>(hi) : t;
            setTabAt(nextTab, i, ln);
            setTabAt(nextTab, i + n, hn);
            setTabAt(tab, i, fwd);
            advance = true;
          }
        }
      }
    }
  }
}

还有其他相关方法不是很复杂，就不详细讲了，比如 tryPresize，helpTransfer，addCount

5. 计数器

当获取 Map.size 的时候，如果使用 Atomic 变量，很容易导致过度竞争，产生性能瓶颈，所以 CHM 中使用了，计数器的方式：

public int size() {
  long n = sumCount();
  return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n);
}
private transient volatile CounterCell[] counterCells;  // 计数器

@sun.misc.Contended static final class CounterCell {  // @sun.misc.Contended 避免伪缓存
  volatile long value;
  CounterCell(long x) { value = x; }
}

final long sumCount() {
  CounterCell[] as = counterCells; CounterCell a;
  long sum = baseCount;
  if (as != null) {
    for (int i = 0; i < as.length; ++i) {  // 累计计数
      if ((a = as[i]) != null)
        sum += a.value;
    }
  }
  return sum;
}

具体细节还比较多，之后在单独开一篇博客详细讲解；

总结

  • 首先 JDK1.8 的 CHM，没有使用 Segment 分段锁，而是直接锁定单个哈希桶
  • 对数组中的哈希桶使用 CAS 操作，保证其可见性
  • 对扩容是用，任务拆分，多线程同时扩容的方式，加速扩容
  • 对 size 使用计数器思想
  • CHM 中对状态变量的应用，使得很多操作都得以无所化进行

原文地址：https://www.cnblogs.com/sanzao/p/10792546.html

时间： 2024-10-08 20:33:23

JDK源码分析（12）之 ConcurrentHashMap 详解的相关文章

android源码分析 android toast使用详解 toast自定义

在安卓开发过程中,toast使我们经常使用的一个类,当我们需要向用户传达一些信息,但是不需要和用户交互时,该方式就是一种十分恰当的途径. 我们习惯了这样使用toast:Toast.makeText(Context context, String info, int duration).show();该方法是 系统为我们提供的一个方便的创建toast对象的静态方法,其内部依然是调用toast的相关方法完成.下面 就从其源码对该类的实现做一个分析 在toast类中,最重要的用于显示该toast的sh

memcached源码分析-----memcached启动参数详解以及关键配置的默认值

转载请注明出处: http://blog.csdn.net/luotuo44/article/details/42672913 本文开启本系列博文的代码分析.本系列博文研究是memcached版本是1.4.21. 本文将给出memcached启动时各个参数的详细解释以及一些关键配置的默认值.以便在分析memcached源码的时候好随时查看.当然也方便使用memcached时可以随时查看各个参数的含义.<如何阅读memcached源码>说到memcached有很多全局变量(也就是关键配置),这些

MapReduce阶段源码分析以及shuffle过程详解

MapReducer工作流程图: 1. MapReduce阶段源码分析 1)客户端提交源码分析 解释:   - 判断是否打印日志   - 判断是否使用新的API,检查连接   - 在检查连接时,检查输入输出路径,计算切片,将jar.配置文件复制到HDFS   - 计算切片时,计算最小切片数(默认为1,可自定义)和最大切片数(默认是long的最大值,可以自定义)   - 查看给定的是否是文件,如果是否目录计算目录下所有文件的切片   - 通过block大小和最小切片数.最大切片数计算出切片大小  

Vue.js 源码分析(十) ref属性详解

用法 ref 被用来给元素或子组件注册引用信息.引用信息将会注册在父组件的 $refs 对象上.如果在普通的 DOM 元素上使用,引用指向的就是 DOM 元素:如果用在子组件上,引用就指向组件实例,例如: <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Document</title> <scrip

Laravel源码分析--Laravel生命周期详解

一.XDEBUG调试 这里我们需要用到php的 xdebug 拓展,所以需要小伙伴们自己去装一下,因为我这里用的是docker,所以就简单介绍下在docker中使用xdebug的注意点. 1.在phpstorm中的 Perferences >> Languages & Framework >> PHP >> debug >> DBGp Proxy 中的Host填写的是宿主机的IP地址.可以在命令行中使用ifconfig / ipconfig查看你的本

spring源码分析之spring-web http详解

spring-web是spring webmvc的基础,它的功能如下: 1. 封装http协议中client端/server端的request请求和response响应及格式的转换,如json,rss,xml等. 2. 远程调用包括jaxws.caucho.httpinvoker 3. web相关的accept/bind/client/context/filter/jsf/method/multipart 先从http协议中的封装来看: 先了解一下http的基础:(来自:http://blog.

spring源码分析之spring-jdbc模块详解

0 概述 Spring将替我们完成所有使用JDBC API进行开发的单调乏味的.底层细节处理工作.下表描述了哪些是spring帮助我们做好的,哪些是我们要做的. Action  Spring  You Define connection parameters.    X Open the connection.  X   Specify the SQL statement.    X Declare parameters and provide parameter values   X Prep

Hadoop1.x源码分析一：Configuration 详解

1.Hadoop配置文件的形式 Hadoop的配置文件是以XML的形式,跟元素是configuration,一般只包含子元素property.每一个property元素就是一个配置项,配置文件不支持分层或分级.每个配置项一般包括配置属性的名称name.值value和一个关于配置项的描述description;元素final和java中的关键字final类似,意味着这个配置项是"固定不变的".final一般不出现,但在合并资源的时候,可以防止配置项的值被覆盖. 在Configuratio

spring源码分析之spring-messaging模块详解

0 概述 spring-messaging模块为集成messaging api和消息协议提供支持. 其代码结构为: 其中base定义了消息Message(MessageHeader和body).消息处理MessageHandler.发送消息MessageChannel. 1. base模块 其结构如下所示: 其中: message由两部分组成, MessageHandler是一个处理消息的约定,spring messaging提供了丰富的消息处理方式. MessageChannel表现为pipe

spring源码分析之spring-jms模块详解

0 概述 spring提供了一个jms集成框架,这个框架如spring 集成jdbc api一样,简化了jms api的使用. jms可以简单的分成两个功能区,消息的生产和消息的消费.JmsTemplate类用来生成消息和同步接受消息.和其它java ee的消息驱动样式一样,对异步消息,spring也提供了许多消息监听容器用来创建消息驱动的POJO(MDPs).spring同时也提供了创建消息监听器的声明方式. org.springframework.jms.core 提供了使用JMS的核心功能