概述
在并发编程中，为了控制数据的正确性，我们往往需要使用锁来来保证代码块的执行隔离性。但是在很多时候锁的开销太大了，而在某些情况下，我们的局部变量是线程私有的，每个线程都会有自己的独自的变量，这个时候我们可以不对这部分数据进行加锁操作。于是ThredLocal应运而生。
ThredLocal顾名思义，是线程持有的本地变量，存放在ThredLocal中的变量不会同步到其他线程以及主线程，所有线程对于其他的线程变量都是不可见的。那么我们来看下它是如何实现的吧。
实现原理
ThredLocal在内部实现了一个静态类ThreadLocalMap来对于变量进行存储，并且在Thread类的内部使用到了这两个成员变量
ThreadLocal.ThreadLocalMap threadLocals = null; ThreadLocal.ThreadLocalMap inheritableThreadLocals = null;来调用ThreadLocalMap存储当前线程的内部变量。
ThreadLocalMap的实现
ThreadLocalMap是键值对结构的map，但是他没有直接使用HashMap，而是自己实现了一个。
Entry
Entry是ThreadLocalMap中定义的map节点，他以ThreadLocal弱引用为key，以Object为value的K-V形式的节点。使用弱引用是为了可以及时释放内存避免内存泄漏。
static class Entry extends WeakReference<ThreadLocal<?>> { Object value; Entry(ThreadLocal<?> k, Object v) { super(k); value = v; } }这里和HashMap不一样的地方在于两者解决hash冲突的方式的不同，HashMap采用的是链地址法，遇到冲突的时候将冲突的数据放入同一链表之中，等到链表到了一定程度再将链表转化为红黑树。而ThreadLocalMap实现采用的是开放寻址法，它内部没有使用链表结构，因此Entry内部没有next或者是prev指针。ThreadLocalMap的开放寻址法是怎么实现的，请看接下来的源码。
成员变量
// map默认的初始化大小 private static final int INITIAL_CAPACITY = 16; // 存储map节点数据的数组 private Entry[] table; // map大小 private int size = 0; // 临界值，达到这个值的时候需要扩容 private int threshold; // 当临界值达到2/3的时候扩容 private void setThreshold(int len) { threshold = len * 2 / 3; }这里的数组大小始终是2的幂次，原因和HashMap一样，是为了在计算hash偏移的时候减少碰撞。
构造函数
ThreadLocalMap(ThreadLocal<?> firstKey, Object firstValue) { // 初始化table table = new Entry[INITIAL_CAPACITY]; // 计算第一个值的hash值 int i = firstKey.threadLocalHashCode & (INITIAL_CAPACITY - 1); // 创建新的节点 table[i] = new Entry(firstKey, firstValue); size = 1; setThreshold(INITIAL_CAPACITY); }set方法
private void set(ThreadLocal<?> key, Object value) { // 获取ThreadLocal的hash值偏移量 Entry[] tab = table; int len = tab.length; int i = key.threadLocalHashCode & (len-1); // 遍历数组直到节点为空 for (Entry e = tab[i]; e != null; e = tab[i = nextIndex(i, len)]) { ThreadLocal<?> k = e.get(); // 如果节点key相等，即找到了我们想要的节点， // 将值赋予节点 if (k == key) { e.value = value; return; } // 如果节点的key为空，说明弱引用已经把key回收了，那么需要做一波清理 if (k == null) { replaceStaleEntry(key, value, i); return; } } // 如果没有找到对应的节点说明该key不存在，创建新节点 tab[i] = new Entry(key, value); int sz = ++size; // 进行清理，如果清理结果没能清理掉任何的旧节点， // 并且数组大小超出了临界值，就进行rehash操作扩容 if (!cleanSomeSlots(i, sz) && sz >= threshold) rehash(); }看到这段代码，开放寻址法的实现原理可以说是非常清楚了。首先计算节点的hash值，找到对应的位置，查看该位置是否为空，如果是空则插入，如果不为空，则顺延至下个节点，直到找到空的位置插入。那么我们的查询逻辑也呼之欲出：计算节点的hash值，找到对应的位置，查看该节点是否是我们想要找的节点，如果不是，则继续往下顺序寻找。
get方法
private Entry getEntry(ThreadLocal<?> key) { // 计算hash值 int i = key.threadLocalHashCode & (table.length - 1); // 获取该hash值对应的数组节点 Entry e = table[i]; if (e != null && e.get() == key) // 如果节点不为空并且key一致，说明是我们找的节点，直接返回 return e; else // 否则继续往后寻找 return getEntryAfterMiss(key, i, e); } private Entry getEntryAfterMiss(ThreadLocal<?> key, int i, Entry e) { Entry[] tab = table; int len = tab.length; // 如果节点不为空就一直找下去 while (e != null) { ThreadLocal<?> k = e.get(); // key相同则说明找到，返回该节点 if (k == key) return e; // key为空进行一次清理 if (k == null) expungeStaleEntry(i); else i = nextIndex(i, len); e = tab[i]; } return null; }replaceStaleEntry
// 这个方法的作用是在set操作的时候进行清理 private void replaceStaleEntry(ThreadLocal<?> key, Object value, int staleSlot) { Entry[] tab = table; int len = tab.length; Entry e; // slotToExpunge是之后开始清理的节点位置 int slotToExpunge = staleSlot; // 往前寻找找到第一个为空的节点记录下位置 for (int i = prevIndex(staleSlot, len); (e = tab[i]) != null; i = prevIndex(i, len)) if (e.get() == null) slotToExpunge = i; // 从staleSlot开始向后遍历直到节点为空 for (int i = nextIndex(staleSlot, len); (e = tab[i]) != null; i = nextIndex(i, len)) { ThreadLocal<?> k = e.get(); if (k == key) { // 如果节点的key一致，替换value的值 e.value = value; // 将当前节点和staleSlot上的节点互换位置（将后方的值放到前方来，之前的值等待回收） tab[i] = tab[staleSlot]; tab[staleSlot] = e; // 如果slotToExpunge和staleSlot相等，说明前面没有需要清理的节点 // 则从当前节点开始进行清理 if (slotToExpunge == staleSlot) slotToExpunge = i; // 进行节点清理 cleanSomeSlots(expungeStaleEntry(slotToExpunge), len); return; } // 如果key为空并且slotToExpunge和staleSlot相等 // 把slotToExpunge赋值为当前节点 if (k == null && slotToExpunge == staleSlot) slotToExpunge = i; } // 如果没法找到key相等的节点， // 则清空当前节点的value并生成新的节点 tab[staleSlot].value = null; tab[staleSlot] = new Entry(key, value); // 如果slotToExpunge和staleSlot不相等则需要进行清理（因为前方发现空的节点） if (slotToExpunge != staleSlot) cleanSomeSlots(expungeStaleEntry(slotToExpunge), len); }expungeStaleEntry
// 对节点进行清理 private int expungeStaleEntry(int staleSlot) { Entry[] tab = table; int len = tab.length; // 释放当节点 tab[staleSlot].value = null; tab[staleSlot] = null; size--; Entry e; int i; // 循环寻找到第一个空节点 for (i = nextIndex(staleSlot, len); (e = tab[i]) != null; i = nextIndex(i, len)) { ThreadLocal<?> k = e.get(); // key为空进行节点释放 if (k == null) { e.value = null; tab[i] = null; size--; } else { // 如果key不为空，找到对应的节点应该在的位置 int h = k.threadLocalHashCode & (len - 1); if (h != i) { // 如果和当前节点位置不同， // 则清理节点并且循环找到后面的非空节点移到前面来 tab[i] = null; while (tab[h] != null) h = nextIndex(h, len); tab[h] = e; } } } return i; }cleanSomeSlots
// 该方法用于清理空节点 private boolean cleanSomeSlots(int i, int n) { // 标记是否有节点被清除 boolean removed = false; Entry[] tab = table; int len = tab.length; do { i = nextIndex(i, len); Entry e = tab[i]; // 如果有节点为空并且key为空 // 该节点需要被清除 if (e != null && e.get() == null) { // 重置n的值并且标记removed为true n = len; removed = true; // 清理该节点 i = expungeStaleEntry(i); } } while ( (n >>>= 1) != 0); return removed; }rehash
// 当数组的元素到达临界值，进行扩容 private void rehash() { // 先对所有的节点进行清理 expungeStaleEntries(); // 然后判断临界值是否进行扩容 // 此处由于先做过一次清理，这里的数字可能会和之前的临界值判断有缩小 // 所以此处临界值判断为threshold - threshold / 4 // 即1/2的size时进行扩容 if (size >= threshold - threshold / 4) resize(); } private void resize() { // 获取旧数组，开辟新数组 // 新数组大小为旧数组的2倍 Entry[] oldTab = table; int oldLen = oldTab.length; int newLen = oldLen * 2; Entry[] newTab = new Entry[newLen]; int count = 0; // 遍历旧数组 for (int j = 0; j < oldLen; ++j) { Entry e = oldTab[j]; if (e != null) { // 如果节点不为空，判断key是否为空 // 如果key为空，将节点置空帮助gc // 如果key不为空将旧数组的节点放入新数组 // 放入方式和set实现一致，只是由于是刚创建的新数组 // 不会有需要清理的数据，所以不需要额外清理 ThreadLocal<?> k = e.get(); if (k == null) { e.value = null; } 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; }expungeStaleEntries
// 清理所有节点 private void expungeStaleEntries() { Entry[] tab = table; int len = tab.length; // 循环清理 for (int j = 0; j < len; j++) { Entry e = tab[j]; if (e != null && e.get() == null) expungeStaleEntry(j); } }关于Map的清理
ThreadLocalMap实现采用的是开放寻址法，它的实现本身应该是比较简洁的，但是为了便于GC，内部节点采用了弱引用作为key，一旦数组中节点的强引用被设置为了null，节点的key就会被gc自动回收。这样导致了ThreadLocalMap的实现变得异常的复杂。为了防止内存泄漏，在get和set方法的时候不得不进行额外的清理。
Q 为什么需要清理？
A 不清理的话key被回收，但是value依旧会存在，并且难以被回收导致内存泄漏。
Q 为什么清理的时候会涉及到节点的移动？
A 因为在开放寻址法中，可能会有相同hash值的节点连续排在一起，当其中的一个或多个节点被回收后会造成同hash值的节点中间存在null节点，而我们get节点的时候会在碰到空节点的时候停止寻找，所以如果不进行一定的清理移动会导致部分节点永远不会被查询到。
ThreadLocal的实现
hashcode的实现
讲完了ThreadLocalMap的实现原理，我们可以深深的体会到ThreadLocal的hashcode是多么的重要，如果hash值不能够以合理的方式生成，导致数据的分布不均匀，ThreadLocalMap的效率将会非常的低下。
hashcode的实现:
private final int threadLocalHashCode = nextHashCode(); private static AtomicInteger nextHashCode = new AtomicInteger(); private static final int HASH_INCREMENT = 0x61c88647; private static int nextHashCode() { return nextHashCode.getAndAdd(HASH_INCREMENT); }ThreadLocal的hashcode实现代码很简短：每一个新的ThreadLocal的hash值都是在nextHashCode的基础上增加0x61c88647。实现很简单，但是很让人迷惑。这个莫名其妙的魔数0x61c88647是什么？
0x61c88647是有斐波那契构造而成的黄金比例数字，经过实验测试，这个数字生成的hashcode可以很大程度的保证hash值能够在数组中均匀的分布。
get
public T get() { // 获取当前线程 Thread t = Thread.currentThread(); // 获取当前线程的变量map ThreadLocalMap map = getMap(t); if (map != null) { // 找到值返回 ThreadLocalMap.Entry e = map.getEntry(this); if (e != null) { @SuppressWarnings("unchecked") T result = (T)e.value; return result; } } // 如果找不到返回默认值 return setInitialValue(); }set
public void set(T value) { Thread t = Thread.currentThread(); ThreadLocalMap map = getMap(t); // 如果map不为空，加入数据 if (map != null) map.set(this, value); else // 否则新建map并放入第一个和数据 createMap(t, value); }总结
Thredlocal这个类可能对于很多人来说是一个常常会用到的类，但是未必所有人都会去关注他的内部实现，但是他的源码是比较值得去阅读的，一来它的实现代码相对其他的常用类很短，只有几百行；二来它的实现很经典，经典的开放寻址法，经典的弱引用方便GC，可以说是很好的学习材料。
这里我虽然对于整个Thredlocal的源码进行了完整的注释解释，但是它最值得细细品味的还是它的设计理念以及设计思路，这会对我们写出优秀的代码有着重要的作用。