技術文章第一時間送達！
SkipListSkipList的特性SkipList的查找SkipList的插入SkipList的删除ConcurrentSkipListMapput操作get操作remove操作size操作
到目前為止，我們在Java世界裡看到了兩種實作key-value的資料結構：Hash、TreeMap，這兩種資料結構各自都有着優缺點。
- Hash表：插入、查找最快，為O(1)；如使用連結清單實作則可實作無鎖；資料有序化需要顯式的排序操作。
- 紅黑樹：插入、查找為O(logn)，但常數項較小；無鎖實作的複雜性很高，一般需要加鎖；資料天然有序。
然而，這次介紹第三種實作key-value的資料結構：SkipList。SkipList有着不低于紅黑樹的效率，但是其原理和實作的複雜度要比紅黑樹簡單多了。
SkipList
什麼是SkipList？Skip List ，稱之為跳表，它是一種可以替代平衡樹的資料結構，其資料元素預設按照key值升序，天然有序。Skip list讓已排序的資料分布在多層連結清單中，以0-1随機數決定一個資料的向上攀升與否，通過“空間來換取時間”的一個算法，在每個節點中增加了向前的指針，在插入、删除、查找時可以忽略一些不可能涉及到的結點，進而提高了效率。
我們先看一個簡單的連結清單，如下：
1499585893174201707090001
如果我們需要查詢9、21、30，則需要比較次數為3 + 6 + 8 = 17 次，那麼有沒有優化方案呢？有！我們将該連結清單中的某些元素提煉出來作為一個比較“索引”，如下：
1499586063109201707090002
我們先與這些索引進行比較來決定下一個元素是往右還是下走，由于存在“索引”的緣故，導緻在檢索的時候會大大減少比較的次數。當然元素不是很多，很難展現出優勢，當元素足夠多的時候，這種索引結構就會大顯身手。
SkipList的特性
SkipList具備如下特性：
- 由很多層結構組成，level是通過一定的機率随機産生的
- 每一層都是一個有序的連結清單，預設是升序，也可以根據建立映射時所提供的Comparator進行排序，具體取決于使用的構造方法
- 最底層(Level 1)的連結清單包含所有元素
- 如果一個元素出現在Level i 的連結清單中，則它在Level i 之下的連結清單也都會出現
- 每個節點包含兩個指針，一個指向同一連結清單中的下一個元素，一個指向下面一層的元素
我們将上圖再做一些擴充就可以變成一個典型的SkipList結構了
1499590828559201707090003
SkipList的查找
SkipListd的查找算法較為簡單，對于上面我們我們要查找元素21，其過程如下：
- 比較3，大于，往後找（9），
- 比9大，繼續往後找（25），但是比25小，則從9的下一層開始找（16）
- 16的後面節點依然為25，則繼續從16的下一層找
- 找到21
如圖
201707090004
紅色虛線代表路徑。
SkipList的插入
SkipList的插入操作主要包括：
- 查找合适的位置。這裡需要明确一點就是在确認新節點要占據的層次K時，采用丢硬币的方式，完全随機。如果占據的層次K大于連結清單的層次，則重新申請新的層，否則插入指定層次
- 申請新的節點
- 調整指針
假定我們要插入的元素為23，經過查找可以确認她是位于25後，9、16、21前。當然需要考慮申請的層次K。
如果層次K > 3
需要申請新層次（Level 4）
201707090005
如果層次 K = 2
直接在Level 2 層插入即可
201707090006
這裡會涉及到以個算法：通過丢硬币決定層次K，該算法我們通過後面ConcurrentSkipListMap源碼來分析。還有一個需要注意的地方就是，在K層插入元素後，需要確定所有小于K層的層次都應該出現新節點。
SkipList的删除
删除節點和插入節點思路基本一緻：找到節點，删除節點，調整指針。
比如删除節點9，如下：
201707090007
ConcurrentSkipListMap
通過上面我們知道SkipList采用空間換時間的算法，其插入和查找的效率O(logn)，其效率不低于紅黑樹，但是其原理和實作的複雜度要比紅黑樹簡單多了。一般來說會操作連結清單List，就會對SkipList毫無壓力。
ConcurrentSkipListMap其内部采用SkipLis資料結構實作。為了實作SkipList，ConcurrentSkipListMap提供了三個内部類來建構這樣的連結清單結構：Node、Index、HeadIndex。其中Node表示最底層的單連結清單有序節點、Index表示為基于Node的索引層，HeadIndex用來維護索引層次。到這裡我們可以這樣說ConcurrentSkipListMap是通過HeadIndex維護索引層次，通過Index從最上層開始往下層查找，一步一步縮小查詢範圍，最後到達最底層Node時，就隻需要比較很小一部分資料了。在JDK中的關系如下圖：
201707090008
** Node **
static final class Node<K,V> {
final K key;
volatile Object value;
volatile ConcurrentSkipListMap.Node<K, V> next;
/** 省略些許代碼 */
}
Node的結構和一般的單連結清單毫無差別，key-value和一個指向下一個節點的next。
Index
static class Index<K,V> {
final ConcurrentSkipListMap.Node<K,V> node;
final ConcurrentSkipListMap.Index<K,V> down;
volatile ConcurrentSkipListMap.Index<K,V> right;
/** 省略些許代碼 */
}
Index提供了一個基于Node節點的索引Node，一個指向下一個Index的right，一個指向下層的down節點。
HeadIndex
static final class HeadIndex<K,V> extends Index<K,V> {
final int level; //索引層，從1開始，Node單連結清單層為0
HeadIndex(Node<K,V> node, Index<K,V> down, Index<K,V> right, int level) {
super(node, down, right);
this.level = level;
}
}
HeadIndex内部就一個level來定義層級。
ConcurrentSkipListMap提供了四個構造函數，每個構造函數都會調用initialize()方法進行初始化工作。
final void initialize() {
keySet = null;
entrySet = null;
values = null;
descendingMap = null;
randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzero
head = new ConcurrentSkipListMap.HeadIndex<K,V>(new ConcurrentSkipListMap.Node<K,V>(null, BASE_HEADER, null),
null, null, 1);
}
注意，initialize()方法不僅僅隻在構造函數中被調用，如clone，clear、readObject時都會調用該方法進行初始化步驟。這裡需要注意randomSeed的初始化。
private transient int randomSeed;
randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzero
randomSeed一個簡單的随機數生成器（在後面介紹）。
put操作
CoucurrentSkipListMap提供了put()方法用于将指定值與此映射中的指定鍵關聯。源碼如下：
public V put(K key, V value) {
if (value == null)
throw new NullPointerException();
return doPut(key, value, false);
}
首先判斷value如果為null，則抛出NullPointerException，否則調用doPut方法，其實如果各位看過JDK的源碼的話，應該對這樣的操作很熟悉了，JDK源碼裡面很多方法都是先做一些必要性的驗證後，然後通過調用do**()方法進行真正的操作。
doPut()方法内容較多，我們分步分析。
private V doPut(K key, V value, boolean onlyIfAbsent) {
Node<K,V> z; // added node
if (key == null)
throw new NullPointerException();
// 比較器
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (Node<K, V> b = findPredecessor(key, cmp), n = b.next; ; ) {
/** 省略代碼 */
doPut()方法有三個參數，除了key,value外還有一個boolean類型的onlyIfAbsent，該參數作用與如果存在目前key時，該做何動作。當onlyIfAbsent為false時，替換value，為true時，則傳回該value。用代碼解釋為：
if (!map.containsKey(key))
return map.put(key, value);
else
return map.get(key);
首先判斷key是否為null，如果為null，則抛出NullPointerException，從這裡我們可以确認ConcurrentSkipList是不支援key或者value為null的。然後調用findPredecessor()方法，傳入key來确認位置。findPredecessor()方法其實就是确認key要插入的位置。
private Node<K,V> findPredecessor(Object key, Comparator<? super K> cmp) {
if (key == null)
throw new NullPointerException(); // don't postpone errors
for (;;) {
// 從head節點開始，head是level最進階别的headIndex
for (Index<K,V> q = head, r = q.right, d;;) {
// r != null，表示該節點右邊還有節點，需要比較
if (r != null) {
Node<K,V> n = r.node;
K k = n.key;
// value == null，表示該節點已經被删除了
// 通過unlink()方法過濾掉該節點
if (n.value == null) {
//删掉r節點
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}
// value != null，節點存在
// 如果key 大于r節點的key 則往前進一步
if (cpr(cmp, key, k) > 0) {
q = r;
r = r.right;
continue;
}
}
// 到達最右邊，如果dowm == null，表示指針已經達到最下層了，直接傳回該節點
if ((d = q.down) == null)
return q.node;
q = d;
r = d.right;
}
}
}
findPredecessor()方法意思非常明确：尋找前輩。從最高層的headIndex開始向右一步一步比較，直到right為null或者右邊節點的Node的key大于目前key為止，然後再向下尋找，依次重複該過程，直到down為null為止，即找到了前輩，看傳回的結果注意是Node，不是Item，是以插入的位置應該是最底層的Node連結清單。
在這個過程中ConcurrentSkipListMap賦予了該方法一個其他的功能，就是通過判斷節點的value是否為null，如果為null，表示該節點已經被删除了，通過調用unlink()方法删除該節點。
final boolean unlink(Index<K,V> succ) {
return node.value != null && casRight(succ, succ.right);
}
删除節點過程非常簡單，更改下right指針即可。
通過findPredecessor()找到前輩節點後，做什麼呢？看下面：
for (Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
// 前輩節點的next != null
if (n != null) {
Object v; int c;
Node<K,V> f = n.next;
// 不一緻讀，主要原因是并發，有節點捷足先登
if (n != b.next) // inconsistent read
break;
// n.value == null，該節點已經被删除了
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// 前輩節點b已經被删除
if (b.value == null || v == n) // b is deleted
break;
// 節點大于，往前移
if ((c = cpr(cmp, key, n.key)) > 0) {
b = n;
n = f;
continue;
}
// c == 0 表示，找到一個key相等的節點，根據onlyIfAbsent參數來做判斷
// onlyIfAbsent ==false，則通過casValue，替換value
// onlyIfAbsent == true，傳回該value
if (c == 0) {
if (onlyIfAbsent || n.casValue(v, value)) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
break; // restart if lost race to replace value
}
// else c < 0; fall through
}
// 将key-value包裝成一個node，插入
z = new Node<K,V>(key, value, n);
if (!b.casNext(n, z))
break; // restart if lost race to append to b
break outer;
}
找到合适的位置後，就是在該位置插入節點咯。插入節點的過程比較簡單，就是将key-value包裝成一個Node，然後通過casNext()方法加入到連結清單當中。當然是插入之前需要進行一系列的校驗工作。
在最下層插入節點後，下一步工作是什麼？建立索引。前面部落客提過，在插入節點的時候，會根據采用抛硬币的方式來決定新節點所插入的層次，由于存在并發的可能，ConcurrentSkipListMap采用ThreadLocalRandom來生成随機數。如下：
int rnd = ThreadLocalRandom.nextSecondarySeed();
抛硬币決定層次的思想很簡單，就是通過抛硬币如果硬币為正面則層次level + 1 ，否則停止，如下：
// 抛硬币決定層次
while (((rnd >>>= 1) & 1) != 0)
++level;
在闡述SkipList插入節點的時候說明了，決定的層次level會分為兩種情況進行處理，一是如果層次level大于最大的層次話則需要新增一層，否則就在相應層次以及小于該level的層次進行節點新增處理。
level <= headIndex.level
// 如果決定的層次level比最高層次head.level小，直接生成最高層次的index
// 由于需要确認每一層次的down，是以需要從最下層依次往上生成
if (level <= (max = h.level)) {
for (int i = 1; i <= level; ++i)
idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
}
從底層開始，小于level的每一層都初始化一個index，每次的node都指向新加入的node，down指向下一層的item，右側next全部為null。整個處理過程非常簡單：為小于level的每一層初始化一個index，然後加入到原來的index鍊條中去。
level > headIndex.level
// leve > head.level 則新增一層
else { // try to grow by one level
// 新增一層
level = max + 1;
// 初始化 level個item節點
@SuppressWarnings("unchecked")
ConcurrentSkipListMap.Index<K,V>[] idxs =
(ConcurrentSkipListMap.Index<K,V>[])new ConcurrentSkipListMap.Index<?,?>[level+1];
for (int i = 1; i <= level; ++i)
idxs[i] = idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
//
for (;;) {
h = head;
int oldLevel = h.level;
// 層次擴大了，需要重新開始（有新線程節點加入）
if (level <= oldLevel) // lost race to add level
break;
// 新的頭結點HeadIndex
ConcurrentSkipListMap.HeadIndex<K,V> newh = h;
ConcurrentSkipListMap.Node<K,V> oldbase = h.node;
// 生成新的HeadIndex節點，該HeadIndex指向新增層次
for (int j = oldLevel+1; j <= level; ++j)
newh = new ConcurrentSkipListMap.HeadIndex<K,V>(oldbase, newh, idxs[j], j);
// HeadIndex CAS替換
if (casHead(h, newh)) {
h = newh;
idx = idxs[level = oldLevel];
break;
}
}
當抛硬币決定的level大于最大層次level時，需要新增一層進行處理。處理邏輯如下：
- 初始化一個對應的index數組，大小為level + 1，然後為每個機關都建立一個index，個中參數為：Node為新增的Z，down為下一層index，right為null
- 通過for循環來進行擴容操作。從最高層進行處理，新增一個HeadIndex，個中參數：節點Node，down都為最高層的Node和HeadIndex，right為剛剛建立的對應層次的index，level為相對應的層次level。最後通過CAS把目前的head與新加入層的head進行替換。
通過上面步驟我們發現，盡管已經找到了前輩節點，也将node插入了，也确定确定了層次并生成了相應的Index，但是并沒有将這些Index插入到相應的層次當中，是以下面的代碼就是将index插入到相對應的層當中。
// 從插入的層次level開始
splice: for (int insertionLevel = level;;) {
int j = h.level;
// 從headIndex開始
for (ConcurrentSkipListMap.Index<K,V> q = h, r = q.right, t = idx;;) {
if (q == null || t == null)
break splice;
// r != null；這裡是找到相應層次的插入節點位置，注意這裡隻橫向找
if (r != null) {
ConcurrentSkipListMap.Node<K,V> n = r.node;
int c = cpr(cmp, key, n.key);
// n.value == null ，解除關系，r右移
if (n.value == null) {
if (!q.unlink(r))
break;
r = q.right;
continue;
}
// key > n.key 右移
if (c > 0) {
q = r;
r = r.right;
continue;
}
}
// 上面找到節點要插入的位置，這裡就插入
// 目前層是最頂層
if (j == insertionLevel) {
// 建立聯系
if (!q.link(r, t))
break; // restart
if (t.node.value == null) {
findNode(key);
break splice;
}
// 标志的插入層 -- ，如果== 0 ，表示已經到底了，插入完畢，退出循環
if (--insertionLevel == 0)
break splice;
}
// 上面節點已經插入完畢了，插入下一個節點
if (--j >= insertionLevel && j < level)
t = t.down;
q = q.down;
r = q.right;
}
}
這段代碼分為兩部分看，一部分是找到相應層次的該節點插入的位置，第二部分在該位置插入，然後下移。
至此，ConcurrentSkipListMap的put操作到此就結束了。代碼量有點兒多，這裡總結下：
- 首先通過findPredecessor()方法找到前輩節點Node
- 根據傳回的前輩節點以及key-value，建立Node節點，同時通過CAS設定next
- 設定節點Node，再設定索引節點。采取抛硬币方式決定層次，如果所決定的層次大于現存的最大層次，則新增一層，然後建立一個Item連結清單。
- 最後，将建立的Item連結清單插入到SkipList結構中。
get操作
相比于put操作 ，get操作會簡單很多，其過程其實就隻相當于put操作的第一步：
private V doGet(Object key) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
if (n != b.next) // inconsistent read
break;
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) == 0) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
if (c < 0)
break outer;
b = n;
n = f;
}
}
return null;
}
與put操作第一步相似，首先調用findPredecessor()方法找到前輩節點，然後順着right一直往右找即可，同時在這個過程中同樣承擔了一個删除value為null的節點的職責。
remove操作
remove操作為删除指定key節點，如下：
public V remove(Object key) {
return doRemove(key, null);
}
直接調用doRemove()方法，這裡remove有兩個參數，一個是key，另外一個是value，是以doRemove方法即提供remove key，也提供同時滿足key-value。
final V doRemove(Object key, Object value) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
// 不一緻讀，重新開始
if (n != b.next) // inconsistent read
break;
// n節點已删除
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// b節點已删除
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) < 0)
break outer;
// 右移
if (c > 0) {
b = n;
n = f;
continue;
}
/*
* 找到節點
*/
// value != null 表示需要同時校驗key-value值
if (value != null && !value.equals(v))
break outer;
// CAS替換value
if (!n.casValue(v, null))
break;
if (!n.appendMarker(f) || !b.casNext(n, f))
findNode(key); // retry via findNode
else {
// 清理節點
findPredecessor(key, cmp); // clean index
// head.right == null表示該層已經沒有節點，删掉該層
if (head.right == null)
tryReduceLevel();
}
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
}
return null;
}
調用findPredecessor()方法找到前輩節點，然後通過右移，然後比較，找到後利用CAS把value替換為null，然後判斷該節點是不是這層唯一的index，如果是的話，調用tryReduceLevel()方法把這層幹掉，完成删除。
其實從這裡可以看出，remove方法僅僅是把Node的value設定null，并沒有真正删除該節點Node，其實從上面的put操作、get操作我們可以看出，他們在尋找節點的時候都會判斷節點的value是否為null，如果為null，則調用unLink()方法取消關聯關系，如下：
if (n.value == null) {
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}
size操作
ConcurrentSkipListMap的size()操作和ConcurrentHashMap不同，它并沒有維護一個全局變量來統計元素的個數，是以每次調用該方法的時候都需要去周遊。
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;
}
調用findFirst()方法找到第一個Node，然後利用node的next去統計。最後傳回統計資料，最多能傳回Integer.MAX_VALUE。注意這裡線上程并發下是安全的。
ConcurrentSkipListMap過程其實不複雜，相比于ConcurrentHashMap而言，是簡單的不能再簡單了。對跳表SkipList熟悉的話，ConcurrentSkipListMap 應該是盤中餐了。