并发一枝花之 ConcurrentLinkedQueue

2017 年 11 月 3 日 ImportNew

（点击上方公众号，可快速关注）

来源：猴子007，

monkeysayhi.github.io/2017/10/22/源码%7C并发一枝花之ConcurrentLinkedQueue【伪】/

如有好文章投稿，请点击 → 这里了解详情

首先声明，本文是伪源码分析。主要是基于状态机自己实现一个简化的并发队列，有助于读者掌握并发程序设计的核心——状态机；最后对源码实现略有提及。

ConcurrentLinkedQueue不支持阻塞，没有BlockingQueue那么易用；但在中等规模的并发场景下，其性能却比BlockingQueue高不少，而且相当稳定。同时，ConcurrentLinkedQueue是学习CAS的经典案例。根据github的code results排名，ConcurrentLinkedQueue（164k）也十分流行，比我想象中的使用量大多了。非常值得一讲。

对于状态机和并发程序设计的基本理解，可以参考源码|并发一枝花之BlockingQueue，建议第一次接触状态机的同学速读参考文章之后，再来阅读此文章。

JDK版本：oracle java 1.8.0_102

准备知识：CAS

读者可以跳过这部分，后面讲到offer()方法的实现时再回顾。

悲观锁与乐观锁

悲观锁：假定并发环境是悲观的，如果发生并发冲突，就会破坏一致性，所以要通过独占锁彻底禁止冲突发生。有一个经典比喻，“如果你不锁门，那么捣蛋鬼就回闯入并搞得一团糟”，所以“你只能一次打开门放进一个人，才能时刻盯紧他”。

乐观锁：假定并发环境是乐观的，即，虽然会有并发冲突，但冲突可发现且不会造成损害，所以，可以不加任何保护，等发现并发冲突后再决定放弃操作还是重试。可类比的比喻为，“如果你不锁门，那么虽然捣蛋鬼会闯入，但他们一旦打算破坏你就能知道”，所以“你大可以放进所有人，等发现他们想破坏的时候再做决定”。

通常认为乐观锁的性能比悲观所更高，特别是在某些复杂的场景。这主要由于悲观锁在加锁的同时，也会把某些不会造成破坏的操作保护起来；而乐观锁的竞争则只发生在最小的并发冲突处，如果用悲观锁来理解，就是“锁的粒度最小”。但乐观锁的设计往往比较复杂，因此，复杂场景下还是多用悲观锁。

首先保证正确性，有必要的话，再去追求性能。

CAS

乐观锁的实现往往需要硬件的支持，多数处理器都都实现了一个CAS指令，实现“Compare And Swap”的语义（这里的swap是“换入”，也就是set），构成了基本的乐观锁。

CAS包含3个操作数：

需要读写的内存位置V
进行比较的值A
拟写入的新值B

当且仅当位置V的值等于A时，CAS才会通过原子方式用新值B来更新位置V的值；否则不会执行任何操作。无论位置V的值是否等于A，都将返回V原有的值。

一个有意思的事实是，“使用CAS控制并发”与“使用乐观锁”并不等价。CAS只是一种手段，既可以实现乐观锁，也可以实现悲观锁。乐观、悲观只是一种并发控制的策略。下文将分别用CAS实现悲观锁和乐观锁？

我们先不讲JDK提供的实现，用状态机模型来分析一下，看我们能不能自己实现一版。

队列的状态机模型

状态机模型与是否需要并发无关，一个类不管是否是线程安全的，其状态机模型从类被实现（此时，所有类行为都是确定的）开始就是确定的。接口是类行为的一个子集，我们从接口出发，逐渐构建出简化版ConcurrentLinkedQueue的状态机模型。

队列接口

ConcurrentLinkedQueue实现了Queue接口：

public interface BlockingQueue<E> extends Queue<E> {

boolean add(E e);

boolean offer(E e);

E remove();

E poll();

E element();

E peek();

}

需要关注的是一对方法：

offer()：入队，成功返回true，失败返回false。JDK中ConcurrentLinkedQueue实现为无界队列，这里我们也只讨论无界的情况——因此，offer()方法必返回true。
poll()：出队，有元素返回元素，没有就返回null。

同时，理想的线程安全队列中，入队和出队之间不应该存在竞争，这样入队的状态机模型和出队的状态机模型可以完全解耦，互不影响。

对我们的状态机作出两个假设：

假设1：只支持这入队、出队两种行为。
假设2：入队、出队之间不存在竞争，即入队模型与出队模型是对偶、独立的两个状态机。

从而，可以先分析入队，再参照分析出队；然后可尝试去掉假设2，看如何完善我们的实现来保证假设2成立；最后看看真·神Doug Lea如何实现，学习一波。

状态机定义

现在基于假设1和假设2，尝试定义入队模型的状态机。

我们构造一个简化的场景：存在2个生产者P1、P2，同时触发入队操作。

状态集

如果是单线程环境，入队操作将是这样的：

3

4

5

6

7

8

9

10

11

12

13

14

// 准备

newNode.next = null;

curTail = tail;

// 入队前

assert tail == curTail && tail.next == null; // 状态S1

// 开始入队

tail.next = newNode; // 事件E1

// 入队中

assert tail == curTail && tail.next == newNode; // 状态S2

tail = tail.next; // 事件E2

// 结束入队

// 入队后

assert tail == newNode && tail.next == null; // 状态S3，合并到状态S1

该过程涉及对两个域的修改：tail.next、tail。则随着操作的进行，队列会经历2种状态：

状态S1：事件E1执行前，tail指向实际的尾节点curTail，tail.next==null。如生产者P1、P2都还没有触发入队时，队列处于状态S1；生产者P1完成入队P2还没触发入队时，队列处于状态S1。
状态S2：事件E1执行后、E2执行前，tail指向旧的尾节点curTail，tail.next==newNode。
状态S3：事件E2执行后，tail指向新的尾节点newNode，tail.next==null。同状态S1，合并。

状态转换集

两个事件分别对应两个状态转换：

状态转换T1：S1->S2，即tail.next = newNode。
状态转换T2：S2->S1，即tail = tail.next。

是不是很熟悉？因为ConcurrentLinkedQueue也是队列，必然同BlockingQueue相似甚至相同。区别在于如何维护这些状态和状态转换。

自撸ConcurrentLinkedQueue

依赖CAS，两个状态转换T1、T2都可以实现为原子操作。留给我们的问题是，如何维护合法的状态转换。

入队方法offer()

入队过程需要经过两个状态转换，且这两个状态转换必须连续发生。

不严谨。“连续”并不是必要的，最后分析源码的时候会看到。不过，我们暂时使用强一致性的模型。

思路1：让同一个生产者P1连续完成两个状态转换T1、T2，保证P2不会插入进来

LinkedBlockingQueue的思路即是如此。这是一种悲观策略——一次开门只放进来一个生产者，似乎只能像LinkedBlockingQueue那样，用传统的锁putLock实现，实际上，依靠CAS也能实现：

public class ConcurrentLinkedQueue1<E> {

private volatile Node<E> tail;

public ConcurrentLinkedQueue1() {

throw new UnsupportedOperationException("Not implement");

}

public boolean offer(E e) {

Node<E> newNode = new Node<E>(e, new AtomicReference<>(null));

while (true) {

Node<E> curTail = tail;

AtomicReference<Node<E>> curNext = curTail.next;

// 尝试T1：CAS设置tail.next

if (curNext.compareAndSet(null, newNode)) {

// 成功者视为获得独占锁，完成了T1。直接执行T2：设置tail

tail = curNext.get();

return true;

}

// 失败者自旋等待

}

}

private static class Node<E> {

private volatile E item;

private AtomicReference<Node<E>> next;

public Node(E item, AtomicReference<Node<E>> next) {

this.item = item;

this.next = next;

}

}

}

思路2：生产者P1完成状态转换T1后，P2代劳完成状态转换T2

再来分析下T1、T2两个状态转换：

T1涉及newNode，只能由封闭持有newNode的生产者P1完成
T2只涉及队列中的信息，任何持有队列的生产者都有能力完成。P1可以，P2也可以

思路1是悲观的，认为T1、T2必须都由P1完成，如果P2插入就会“搞破坏”。而思路2则打开大门，欢迎任何“有能力”的生产者完成T2，是典型的乐观策略。

public class ConcurrentLinkedQueue2<E> {

private AtomicReference<Node<E>> tail;

public ConcurrentLinkedQueue2() {

throw new UnsupportedOperationException("Not implement");

}

public boolean offer(E e) {

Node<E> newNode = new Node<E>(e, new AtomicReference<>(null));

while (true) {

Node<E> curTail = tail.get();

AtomicReference<Node<E>> curNext = curTail.next;

// 尝试T1：CAS设置tail.next

if (curNext.compareAndSet(null, newNode)) {

// 成功者完成了T1，队列处于S2，继续尝试T2：CAS设置tail

tail.compareAndSet(curTail, curNext.get());

// 成功表示该生产者P1完成连续完成了T1、T2，队列处于S1

// 失败表示T2已经由生产者P2完成，队列处于S1

return true;

}

// 失败者得知队列处于S2，则尝试T2：CAS设置tail

tail.compareAndSet(curTail, curNext.get());

// 如果成功，队列转换到S1；如果失败，队列表示T2已经由生产者P1完成，队列已经处于S1

// 然后循环，重新尝试T1

}

}

private static class Node<E> {

private volatile E item;

private AtomicReference<Node<E>> next;

public Node(E item, AtomicReference<Node<E>> next) {

this.item = item;

this.next = next;

}

}

}

减少无效的竞争

我们涉及的状态比较少（只有2个状态），继续看看能否减少无效的竞争，比如：

前两种实现的第一步都是CAS尝试T1，失败了就退化成一次探查（compare and swap中的compare）。发起CAS前，可能队列已经处于S2，这时CAS尝试T1就成了浪费，只需要探查即可。这有点像DCL单例的思路(面试中单例模式有几种写法？)，可以直接通过tail.next判断队列是否处于S1，来完成一部分探查，以减少无效的竞争。

https://monkeysayhi.github.io/2017/09/27/面试中单例模式有几种写法？/

public class ConcurrentLinkedQueue3<E> {

private AtomicReference<Node<E>> tail;

public ConcurrentLinkedQueue3() {

throw new UnsupportedOperationException("Not implement");

}

public boolean offer(E e) {

Node<E> newNode = new Node<E>(e, new AtomicReference<>(null));

while (true) {

Node<E> curTail = tail.get();

AtomicReference<Node<E>> curNext = curTail.next;

// 先检查一下队列状态的状态，tail.next==null表示队列处于状态S1，仅此时才有CAS尝试T1的必要

if (curNext.get() == null) {

// 如果处于S1，尝试T1：CAS设置tail.next

if (curNext.compareAndSet(null, newNode)) {

// 成功者完成了T1，队列处于S2，继续尝试T2：CAS设置tail

tail.compareAndSet(curTail, curNext.get());

// 成功表示该生产者P1完成连续完成了T1、T2，队列处于S1

// 失败表示T2已经由生产者P2完成，队列处于S1

return true;

}

}

// 否则队列处于处于S2，或CAS尝试T1的失败者得知队列处于S2，则尝试T2：CAS设置tail

tail.compareAndSet(curTail, curNext.get());

// 如果成功，队列转换到S1；如果失败，队列表示T2已经由生产者P1完成，队列已经处于S1

// 然后循环，重新尝试T1

}

}

private static class Node<E> {

private volatile E item;

private AtomicReference<Node<E>> next;

public Node(E item, AtomicReference<Node<E>> next) {

this.item = item;

this.next = next;

}

}

}

注意，上述实现中，while代码块后都没有返回值。这是被编译器允许的，因为编译器可以分析出，该方法不可能运行到while代码块之后，所以while代码块后的返回值语句也是无效的。

出队方法poll()

对偶的构造一个简化的场景：存在2个消费者C1、C2，同时触发出队操作。

不需要考虑悲观策略和优化方案，我们尝试基于思路2的第一种实现撸一版基础的poll()方法。

然后，，，没撸动。想了一下，朴素链表（如LinkedList）中，直接用head表示维护头结点无法区分“已取出item未移动head指针”和“未取出item未移动head指针”（同“已取出item已移动head指针”）两种状态。所以还是写一写才知道深浅啊，碰巧前两天写了BlockingQueue的分析，dummy node正好派上用场。

队列初始化如下：

dummy = new Node(null, null);

// tail = dummy; // 后面会用到

// head = dummy.next; // dummy.next 表示实际的头结点，但我们不需要存储它

状态机

单线程环境的出队过程：

// 准备

curDummy = dummy;

curNext = curDummy.next;

oldItem = curNext.item;

// 出队前

assert dummy == curDummy && dummy.next.item == oldItem; // 状态S1

// 开始出队

dummy.next.item = null; // 事件E1

// 出队中

assert dummy == curDummy && dummy.next.item == null; // 状态S2

dummy = dummy.next; // 事件E2

// 结束出队

// 出队后

assert dummy == curNext && dummy.next.item != null; // 状态S3，合并到状态S1

状态：

状态S1：事件E1执行前，dummy指向实际的dummy节点curDummy，dummy.next.item== oldItem。如消费者C1、C2都还没有触发出队时，队列处于状态S1；消费者C1完成入队C2还没触发出队时，队列处于状态S1。
状态S2：事件E1执行后、E2执行前，dummy指向旧的dummy节点curDummy，dummy.next.item==null。
状态S3：事件E2执行后，dummy指向新的dummy节点curNext，dummy.next.item!=null。这在本质上同状态S1是一致的，合并。

状态转换：

状态转换T1：S1->S2，即dummy.next.item = null。
状态转换T2：S2->S1，即dummy = dummy.next。

代码

public class ConcurrentLinkedQueue4<E> {

private AtomicReference<Node<E>> dummy;

public ConcurrentLinkedQueue4() {

dummy = new AtomicReference<>(new Node<>(null, null));

}

public E poll() {

while (true) {

Node<E> curDummy = dummy.get();

Node<E> curNext = curDummy.next;

E oldItem = curNext.item.get();

// 尝试T1：CAS设置dummy.next.item

if (curNext.item.compareAndSet(oldItem, null)) {

// 成功者完成了T1，队列处于S2，继续尝试T2：CAS设置dummy

dummy.compareAndSet(curDummy, curNext);

// 成功表示该消费者C1完成连续完成了T1、T2，队列处于S1

// 失败表示T2已经由消费者C2完成，队列处于S1

return oldItem;

}

// 失败者得知队列处于S2，则尝试T2：CAS设置dummy

dummy.compareAndSet(curDummy, curNext);

// 如果成功，队列转换到S1；如果失败，队列表示T2已经由消费者P1完成，队列已经处于S1

// 然后循环，重新尝试T1

}

}

private static class Node<E> {

private AtomicReference<E> item;

private volatile Node<E> next;

public Node(AtomicReference<E> item, Node<E> next) {

this.item = item;

this.next = next;

}

}

}

另一种状态机

实际上，前面的讨论有意回避了一个问题——如果入队/出队操作顺序不同，我们会构造出不同的状态机。这相当于同一个类的另一种实现，不违反前面作出的声明：

状态机模型与是否需要并发无关，一个类不管是否是线程安全的，其状态机模型从类被实现（此时，所有类行为都是确定的）开始就是确定的。

继续以出队为例，假设在单线程下，采用这样的顺序出队：

// 准备

curDummy = dummy;

curNext = curDummy.next;

oldItem = curNext.item;

// 出队前

assert dummy == curDummy && dummy.item == null; // 状态S1

// 开始出队

dummmy = dummy.next; // 事件E1

// 出队中

assert dummy == curNext && dummy.item == oldItem; // 状态S2

dummy.item = null; // 事件E2

// 结束出队

// 出队后

assert dummy == curNext && dummy.item == null; // 状态S3，合并到状态S1

看起来，这样的操作顺序更容易定义各状态：

状态S1：事件E1执行前，dummy指向实际的dummy节点curDummy，dummy.item == null。如消费者C1、C2都还没有触发出队时，队列处于状态S1；消费者C1完成入队C2还没触发出队时，队列处于状态S1。
状态S2：事件E1执行后、E2执行前，dummy指向新的dummy节点curNext，dummy.item == oldItem。
状态S3：事件E2执行后，dummy指向新的dummy节点curNext，dummy.item == null。显然同状态S1，合并。

状态转换：

状态转换T1：S1->S2，即dummmy = dummy.next。
状态转换T2：S2->S1，即dummy.item = null。

实现如下：

public class ConcurrentLinkedQueue5<E> {

private AtomicReference<Node<E>> dummy;

public ConcurrentLinkedQueue5() {

dummy = new AtomicReference<>(new Node<>(null, null));

}

public E poll() {

while (true) {

Node<E> curDummy = dummy.get();

Node<E> curNext = curDummy.next;

E oldItem = curNext.item.get();

// 尝试T1：CAS设置dummmy

if (dummy.compareAndSet(curDummy, curNext)) {

// 成功者完成了T1，队列处于S2，继续尝试T2：CAS设置dummy.item

curDummy.item.compareAndSet(oldItem, null);

// 成功表示该消费者C1完成连续完成了T1、T2，队列处于S1

// 失败表示T2已经由消费者C2完成，队列处于S1

return oldItem;

}

// 失败者得知队列处于S2，则尝试T2：CAS设置dummy.item

curDummy.item.compareAndSet(oldItem, null);

// 如果成功，队列转换到S1；如果失败，队列表示T2已经由消费者P1完成，队列已经处于S1

// 然后循环，重新尝试T1

}

}

private static class Node<E> {

private AtomicReference<E> item;

private volatile Node<E> next;

public Node(AtomicReference<E> item, Node<E> next) {

this.item = item;

this.next = next;

}

}

}

一个trick

实现上面状态机的过程中，我想出了一个针对出队操作的trick：可以去掉dummy node，用head维护头结点+一步状态转换完成出队。

对啊，我写着写着又撸出来了。。。

去掉了dummy node，那么head.item的初始状态就是非空的，下面是简化的状态机。

单线程出队的操作顺序：

// 准备

curHead = head;

curNext = curHead.next;

oldItem = curHead.item;

// 出队前

assert head == curHead; // 状态S1

// 出队

head = head.next; // 事件E1

// 出队后

assert head == curNext; // 状态S2，合并到状态S1

出队只需要尝试head后移，成功者可从旧的头结点curHead中取出item，之后curHead将被废弃；失败者再重新尝试即可。如果在尝试前就得到了item的引用，那么E1发生后，不管成功与否，在curHead上做什么都是无所谓的了，因为事实上没有任何消费者会再去访问它。

这是一个单状态的状态机，则状态：

状态S1：head指向实际的头节点curHead。队列始终处于状态S1。
状态S2：head指向新的头节点curNext。同S1，合并

状态转换：

状态转换T1：S1->S1，即head = head.next。

实现如下：

public class ConcurrentLinkedQueue6<E> {

private AtomicReference<Node<E>> head;

public ConcurrentLinkedQueue6() {

throw new UnsupportedOperationException("Not implement");

}

public E poll() {

while (true) {

Node<E> curHead = head.get();

Node<E> curNext = curHead.next;

// 尝试T1：CAS设置head

if (head.compareAndSet(curHead, curNext)) {

// 成功者完成了T1，队列处于S1

return curHead.item; // 只让成功者取出item

}

// 失败者重试尝试

}

}

private static class Node<E> {

private volatile E item;

private volatile Node<E> next;

public Node(E item, Node<E> next) {

this.item = item;

this.next = next;

}

}

}

其他特殊情况

前面都是基于假设2“入队、出队无竞争”讨论的。现在需要放开假设2，看如何完善已有的实现以保证假设2成立。或者如果不能保证假设2的话，如何解决竞争问题。

根据对LinkedBlockingQueue的分析，我们得知，如果底层数据结构是朴素链表，那么队列空或长度为1的时候，head、tail都指向同一个节点（或都为null）,这时必然存在竞争；dummy node较好的解决了这一问题。ConcurrentLinkedQueue4是基于dummy node的方案，我们尝试在此基础上修改。

回顾dummy node的使用方法（配合ConcurrentLinkedQueue2和ConcurrentLinkedQueue4做了调整和精简）:

初始化链表时，创建dummy node：

dummy = new Node(null, null)
// head = dummy.next // head 为 null <=> 队列空
tail = dummy // tail.item 为 null <=> 队列空

在队尾入队时，tail后移：

tail.next = new Node(newItem, null)
tail = tail.next

在队头出队时，dummy后移，同步更新head：

oldItem = dummy.next.item // == head.item
dummy.next.item = null
dummy = dummy.next
// head = dummy.next
return oldItem

下面分情况讨论。

case1：队列空

队列空时，队列处于一个特殊的状态，从该状态出发，仅能完成入队相关的状态转换——通俗讲就是队列空时只允许入队操作。这时消除竞争很简单，只允许入队不允许出队即可：

public class ConcurrentLinkedQueue7<E> {

private AtomicReference<Node<E>> dummy;

private AtomicReference<Node<E>> tail;

public ConcurrentLinkedQueue7() {

Node<E> initNode = new Node<E>(

new AtomicReference<E>(null), new AtomicReference<Node<E>>(null));

dummy = new AtomicReference<>(initNode);

tail = new AtomicReference<>(initNode);

// Node<E> head = dummy.get().next.get();

}

public boolean offer(E e) {

Node<E> newNode = new Node<E>(new AtomicReference<>(e), new AtomicReference<>(null));

while (true) {

Node<E> curTail = tail.get();

AtomicReference<Node<E>> curNext = curTail.next;

if (curNext.compareAndSet(null, newNode)) {

tail.compareAndSet(curTail, curNext.get());

return true;

}

tail.compareAndSet(curTail, curNext.get());

}

}

public E poll() {

while (true) {

Node<E> curDummy = dummy.get();

Node<E> curNext = curDummy.next.get();

// 既可以用 dummy.next == null (head) 判空，也可以用 tail.item == null

// 不过鉴于处于poll()方法中，使用 dummy.next 可读性更好

if (curNext == null) {

return null;

}

E oldItem = curNext.item.get();

if (curNext.item.compareAndSet(oldItem, null)) {

dummy.compareAndSet(curDummy, curNext);

return oldItem;

}

dummy.compareAndSet(curDummy, curNext);

}

}

private static class Node<E> {

private AtomicReference<E> item;

private AtomicReference<Node<E>> next;

public Node(AtomicReference<E> item, AtomicReference<Node<E>> next) {

this.item = item;

this.next = next;

}

}

}

ConcurrentLinkedQueue7需要原子的操作item和next，因此Node的item、next域都被声明为了AtomicReference。

队列空的时候：offer()方法同ConcurrentLinkedQueue2#offer()，不需要做特殊处理；poll()方法在ConcurrentLinkedQueue4#poll()的基础上，增加了32-34行的队列空检查。需要注意的是，检查必须放在队列转换的过程中，防止消费者C2第一次尝试时队列非空，但第二次尝试时队列变空（由于C1取出了唯一的元素）的情况。

case2：队列长度等于1

队列长度等于1时，入队与出队不会同时修改同一节点，这时一定不会发生竞争。分析如下。

假设存在一个生产者P1，一个消费者C1，同时触发入队/出队，队列中只有一个元素，所以只两个节点dummyNode、singleNode则此时：

assert dummy == dummyNode;

assert dummy.next.item == singleNode.item;

assert tail == singleNode;

assert tail.next == singleNode.next;

回顾ConcurrentLinkedQueue7的实现:

poll()方法修改引用dummy、singleNode.item
offer()方法操tail、singleNode.next

因此，由于dummy node的引入，队列长度为1时，入队、出队之间天生就不存在竞争。

小结

至此，我们从最简单的场景触发，基于状态机实现了一个支持高性能offer()、poll()方法的ConcurrentLinkedQueue7。CAS的好处暂且不表，重要的是基于状态机进行并发程序设计的思想。只有抓住其状态机的本质，才能设计出正确、高效的并发类。

如果还是没有体会到状态机的精妙之处，可以抛开状态机，并自己尝试基于乐观策略实现ConcurrentLinkedQueue。（之所以要基于乐观策略，是因为悲观策略可以认为是乐观策略的是特例，容易让人忽略其状态机的本质）

JDK实现

希望看到这里，你已经理解了ConcurrentLinkedQueue的状态机本质，因为下面就不再是本文的重点。

真·神Doug Lea的实现基于一个弱一致性的状态机：允许队列处于多种不一致的状态，通过恰当的选择“不一致的状态”，能做到用户无感；虽然增加了状态机的复杂度，但也进一步提高了性能。

网上分析文章非常多，读者可自行阅读，有一定难度。本文不打算讲解Doug Lea的实现，贴出源码仅供大家膜拜。

构造方法

常用的是默认的空构造函数：

public class ConcurrentLinkedQueue<E> extends AbstractQueue<E>

implements Queue<E>, java.io.Serializable {

...

private transient volatile Node<E> head;

private transient volatile Node<E> tail;

public ConcurrentLinkedQueue() {

head = tail = new Node<E>(null);

}

...

}

Doug Lea也使用了dummy node，不过命名为了head。初始化方法同我们实现的ConcurrentLinkedQueue7。

入队方法offer()

ConcurrentLinkedQueue7#offer()相当于ConcurrentLinkedQueue#offer()的一个特例。

public boolean offer(E e) {

checkNotNull(e);

final Node<E> newNode = new Node<E>(e);

for (Node<E> t = tail, p = t;;) {

Node<E> q = p.next;

if (q == null) {

if (p.casNext(null, newNode)) {

if (p != t)

casTail(t, newNode);

return true;

}

}

else if (p == q)

p = (t != (t = tail)) ? t : head;

else

p = (p != t && t != (t = tail)) ? t : q;

}

}

具体来讲，ConcurrentLinkedQueue允许的多个状态大体是这样的：

状态S1：一致；newNode已衔接在tail.next，但tail指向倒数第1个节点
状态S2：不一致；newNode已衔接在tail.next，但tail指向倒数第2个节点
状态S3：不一致；newNode已衔接在tail.next，但tail指向倒数第3个节点
…

状态转换的规则也随之打破——不再需要连续完成T1、T2，可以连续执行多次类T1，最后执行一次类T2。

for循环中的几个分支就是在处理这些一致和不一致的状态。我们前面定义的状态机空间中只允许状态S1、S2，因此是一个子集。增加的这些不一致的状态主要是为了减少CAS次数，进一步提高队列性能，这包含两个重要意义：

降低延迟：部分入队请求不再需要走完完整的状态转换，只需要循环到tail.next.cas(null, newNode)成功。
提高吞吐：之前每一次入队请求都要设置一次tail节点；目前只需要积攒几次入队，在某个新的newNode入队时，直接尝试tail.cas(t, newNode)，将tail跳跃到最新的newNode。

增加这些不一致的状态是很危险的，如S3，当队列长度为1的时候，tail与head的位置存在交叉。Doug Lea牛逼之处在于，在保证正确性的前提下，不仅通过增加状态提高了性能，还减少了实际的CAS次数。

出队方法poll()

public E poll() {

restartFromHead:

for (;;) {

for (Node<E> h = head, p = h, q;;) {

E item = p.item;

if (item != null && p.casItem(item, null)) {

if (p != h)

updateHead(h, ((q = p.next) != null) ? q : p);

return item;

}

else if ((q = p.next) == null) {

updateHead(h, p);

return null;

}

else if (p == q)

continue restartFromHead;

else

p = q;

}

}

}

final void updateHead(Node<E> h, Node<E> p) {

if (h != p && casHead(h, p))

h.lazySetNext(h);

}