189 8069 5689
本篇内容介绍了“java ThreadLocal的源码知识有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
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setelsecreateMap(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
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rehashif (!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slotToExpungefor (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valueif (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get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 setInitialValue();}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);elsei = 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;}}}
“java ThreadLocal的源码知识有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！