25-结果分析

结果分析

在本节中，我们成功利用 ConcurrentHashMap 来存储由user创建的operation信息。更进一步来说，散列表以 Operation 类的user字段作为一个key，并以 Concurrent LinkedDeque 作为value，基于此来存储所有与user相关联的operation。

首先，要用10个不同线程来将随机数据填充到散列中。为达此目的，要实现一个 HashFiller 的任务。但最大的问题就是在插入一个key到散列表的时候所发生的意外：如果两个线程同时插入同一个key的时候，则将会丢失其中一个线程插入的数据，并且还会出现数据竞争的情况。为了解决该类问题，就要使用 computeIfAbsent() 方法。

该方法接收一个key和一个实现 Function 接口的lambda表达式，它们会以参数的形式进行传递。如果key已经存在，则该方法会返回与key相对应的value。否则，它会执行指定的 Function 对象，还会通过 Function 把key和value返回到 HashMap 中。在本例中，由于key不存在，所以就创建了一个新的 ConcurrentLinkedDeque 类型的实例。该方法的主要优势是其执行操作是原子性的，因此，如果其他线程尝试执行相同的操作，则它就会发生阻塞直到占用该方法的操作执行完为止。

而且，在 main() 方法中还使用了 ConcurrentHashMap 的其他方法来处理存储在散列中的信息。

• forEach() ：该方法接收一个实现 BiConsumer 接口的lambda表达式作为参数。而该lambda表达式的另外两个参数就是正在使用的元素的key和value。该方法的lambda表达式的作用是存储所有的元素在 ConcurrentHashMap 中。
• forEachEntry() ：该方法与上一个相同，但其lambda表达式实现的是 Consumer 接口。它接收一个存储了key和value的 Entry 对象作为参数。这就是执行相同功能的另一种方式。
• search() ：该方法接收一个实现 BiFunction 接口的lambda表达式作为参数。该lambda表达式同样也是以 ConcurrentHashMap 中entry的key和value作为参数。它通过 BiFunction 来返回第一个非空值。
• reduce() ：该方法接收两个 BiFunction 接口来处理 ConcurrentHashMap 的元素，并聚合为一个唯一值。这可以实现一个基于 ConcurrentHashMap 元素的 MapReduce 操作。第一个 BiFunction 接口可以转换元素的key和value成为一个唯一值，而第二个 BiFunction 接口可以聚合两个不同元素的值。

所有方法都声明第一个参数名为 parallelismThreshold 。它是执行一个元素数量（近似）的操作所需的并发量。也就是说，如果 ConcurrentHashMap 用比元素数量更少的值作为参数，则该方法将会以串行方式来执行。相反（在本案例中），该方法是以并行方式来执行的。