JAVA队列介绍（Queue）——PriorityBlockingQueue
PriorityBlockingQueue
PriorityBlockingQueue 支持优先级排序的无界阻塞队列, 默认情况下元素采取自然顺序升序排列。也可以自定义类实现 compareTo()方法来指定元素排序规则，或者初始化 PriorityBlockingQueue 时，指定构造参数 Comparator 来对元素进行排序。
java实现原理
public class PriorityBlockingQueue<E> extends AbstractQueue<E>
implements BlockingQueue<E>, java.io.Serializable {
private static final long serialVersionUID = 5595510919245408276L;
// 默认的长度
private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 最大长度
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
// 队列数据
private transient Object[] queue;
// 长度
private transient int size;
// 比较器
private transient Comparator<? super E> comparator;
// 锁
private final ReentrantLock lock;
// 非空锁条件
private final Condition notEmpty;
// 用于分配的自旋锁的标识
private transient volatile int allocationSpinLock;
// 一种纯优先级队列，仅用于序列化，以保持与该类以前版本的兼容性。仅在序列化/反序列化期间为非空。
private PriorityQueue<E> q;
构造函数
public PriorityBlockingQueue() {
// 设置的默认长度，为11
this(DEFAULT_INITIAL_CAPACITY, null);
}
// 设置长度的构造函数
public PriorityBlockingQueue(int initialCapacity) {
this(initialCapacity, null);
}
// 真正创建队列的构造函数
public PriorityBlockingQueue(int initialCapacity,
Comparator<? super E> comparator) {
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.lock = new ReentrantLock();
this.notEmpty = lock.newCondition();
this.comparator = comparator;
this.queue = new Object[initialCapacity];
}
// 构造且赋值的构造方法，在构造队列的时候旧传递的默认值
public PriorityBlockingQueue(Collection<? extends E> c) {
this.lock = new ReentrantLock();
this.notEmpty = lock.newCondition();
boolean heapify = true; // true if not known to be in heap order
boolean screen = true; // true if must screen for nulls
if (c instanceof SortedSet<?>) {
SortedSet<? extends E> ss = (SortedSet<? extends E>) c;
this.comparator = (Comparator<? super E>) ss.comparator();
heapify = false;
}
else if (c instanceof PriorityBlockingQueue<?>) {
PriorityBlockingQueue<? extends E> pq =
(PriorityBlockingQueue<? extends E>) c;
this.comparator = (Comparator<? super E>) pq.comparator();
screen = false;
if (pq.getClass() == PriorityBlockingQueue.class) // exact match
heapify = false;
}
Object[] a = c.toArray();
int n = a.length;
// If c.toArray incorrectly doesn't return Object[], copy it.
if (a.getClass() != Object[].class)
a = Arrays.copyOf(a, n, Object[].class);
if (screen && (n == 1 || this.comparator != null)) {
for (int i = 0; i < n; ++i)
if (a[i] == null)
throw new NullPointerException();
}
this.queue = a;
this.size = n;
if (heapify)
heapify();
}
PriorityBlockingQueue维护的属性类似于ArrayBlockingQueue但是其提供了comparator属性来维护一个排序策略，这样来实现队列的排序。
基础操作
新增元素
关于PriorityBlockingQueue的数据添加类似其他的Queue提供了add、offer、put三个方法。
add和put
public boolean add(E e) {
return offer(e);
}
public void put(E e) {
offer(e); // never need to block
}
根据上面的代码我们可以明白两个内容：
- PriorityBlockingQueue添加数据的方法其实至于offer
- PriorityBlockingQueue并没有提供阻塞方法来添加数据
offer
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
lock.lock();
int n, cap;
Object[] array;
// 如果此时size大于queue（数组长度），数据满
while ((n = size) >= (cap = (array = queue).length))
// 尝试扩容数组
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
// 使用排序逻辑
if (cmp == null)
// 采用自然排序
siftUpComparable(n, e, array);
else
// 自定义排序策略
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
// 唤醒notEmpty阻塞的线程
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}
关于阻塞
和ArrayBlockingQueue不同之处，其并没有进行阻塞，因为ArrayBlockingQueue是一个固定长度的数组，而对于PriorityBlockingQueue其提供了扩容机制，这样就不存在等待空间的操作。
数组扩容tryGrow
private void tryGrow(Object[] array, int oldCap) {
// 进行解锁，因为上一次扩容的时候已经加锁了
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
// 使用CAS方式进行加锁
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
// 长度小于64则增加oldCap + 2 否则 增加一半
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
// 长度超过最大长度
if (newCap - MAX_ARRAY_SIZE > 0) { // possible overflow
int minCap = oldCap + 1;
if (minCap < 0 || minCap > MAX_ARRAY_SIZE)
throw new OutOfMemoryError();
newCap = MAX_ARRAY_SIZE;
}
// 创建新的数组
if (newCap > oldCap && queue == array)
newArray = new Object[newCap];
} finally {
// 释放锁
allocationSpinLock = 0;
}
}
// 此时证明这个线程没有拿到CAS的锁，此时此线程让出资源
if (newArray == null) // back off if another thread is allocating
Thread.yield();
// 进行加锁
lock.lock();
// 进行数据拷贝
if (newArray != null && queue == array) {
queue = newArray;
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}
加锁逻辑
- 此时队列需要进行扩容，但是扩容是一个极其消耗资源的动作，此时假如还持有锁会导致其他线程无法进行出队操作。所以扩容前释放了锁，方便其他线程进行出队操作。
- 此时我们只允许一个线程可以进行扩容。所以使用CAS的方式来保证只有一个线程进行操作。
- CAS失败的线程会调用Thread.yield()让出cpu资源，目的是为了让扩容线程扩容后优先调用 lock.lock 重新获取锁。
当然这里不先释放锁也是可以的，也就是在整个扩容期间一直持有锁，那么其他线程在这个时候是不能进行出队和入队操作的。
扩容路基
扩容的主要逻辑在这里
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
扩容的幅度取决于是否大于64。如果小于则扩大oldCap + 2，否则扩大一半。
排序siftUpComparable
private static <T> void siftUpComparable(int k, T x, Object[] array) {
Comparable<? super T> key = (Comparable<? super T>) x;
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = array[parent];
if (key.compareTo((T) e) >= 0)
break;
array[k] = e;
k = parent;
}
array[k] = key;
}
可以看到其并不是简单的进行线性排序，其排序策略是类似小跟堆这种将最小值放入到最上方。
我们可以模拟这个插入过程：
此时我们插入2。因为while (k > 0) 条件没有进入直接在k位添加元素2
k=0
2
null
null
null
null
此时我们插入8。此时获取的int parent = (k - 1) >>> 1为0。其根节点为0.并且插入值大于根节点则直接在k为添加元素8
k=1
2
8
null
null
null
此时我们插入6。此时获取的int parent = (k - 1) >>> 1为0。其根节点为0.并且插入值大于根节点则直接在k为添加元素6
k=2
2
8
6
null
null
此时我们插入10。此时获取的int parent = (k - 1) >>> 1为0。其根节点为1.并且插入值大于根节点则直接在k为添加元素10
k=3
2
8
6
10
null
此时我们插入3。此时获取的int parent = (k - 1) >>> 1为0。其根节点为1.此时发现插入元素并不大于根节点，则将根节点插入到k位
k=4
2
8
6
10
8
然后将k指向为1，然后此时k位的根节点为0，而插入元素3是大于2的，所以直接将元素3插入k为。最后队列为
k=1
2
3
6
10
8
很显然上面的队列我们认为的有序是不一致的。但是我们把队列变形下看看
2
3
6
10
8
这样就可以看到其是一个标准的小跟堆。
查询/移除元素
类似其他队列内容，依旧提供了peek、poll、take三个方法查询元素，始终poll和take在查询元素的时候会进行移除，而peek只是进行简单的查看。
public E peek() {
final ReentrantLock lock = this.lock;
lock.lock();
try {
return (size == 0) ? null : (E) queue[0];
} finally {
lock.unlock();
}
}
可以看到因为数据队列使用了小根堆得排序方式，所以0位置是其根节点，一定是最小的元素，所以只需要查询0位的元素
poll和take
public E poll() {
final ReentrantLock lock = this.lock;
lock.lock();
try {
return dequeue();
} finally {
lock.unlock();
}
}
public E take() throws InterruptedException {
final ReentrantLock lock = this.lock;
lock.lockInterruptibly();
E result;
try {
while ( (result = dequeue()) == null)
notEmpty.await();
} finally {
lock.unlock();
}
return result;
}
poll和take都是获取最新的元素且会进行元素移除的逻辑，区别在于take会进行阻塞获取。其中使用Condition(notEmpty)来进行阻塞的方法，这边不再讲了，之前最开始介绍queue的文章中有说明。
dequeue
和之前队列实现类一样其实现数据查询\删除最终是使用dequeue的方法。
private E dequeue() {
int n = size - 1;
if (n < 0)
return null;
else {
Object[] array = queue;
E result = (E) array[0];
E x = (E) array[n];
array[n] = null;
Comparator<? super E> cmp = comparator;
if (cmp == null)
siftDownComparable(0, x, array, n);
else
siftDownUsingComparator(0, x, array, n, cmp);
size = n;
return result;
}
}
关于移除的逻辑也很简单主要涉及：
- 返回首位元素的值
- 修改size数据长度
查询\移除元素逻辑的重点在于其siftDownComparable方法。在移除掉最小的数据之后，需要使用其重建小跟堆。
private static <T> void siftDownComparable(int k, T x, Object[] array,
int n) {
if (n > 0) {
Comparable<? super T> key = (Comparable<? super T>)x;
int half = n >>> 1; // loop while a non-leaf
while (k < half) {
int child = (k << 1) + 1; // assume left child is least
Object c = array[child];
int right = child + 1;
if (right < n &&
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right];
if (key.compareTo((T) c) <= 0)
break;
array[k] = c;
k = child;
}
array[k] = key;
}
}
整个逻辑用文字描述可以是下面内容：
- 首先我们拿到最后一个节点的非叶节点，得到了2。然后我们发现其并非根节点。
int child = (k << 1) + 1;首先我们获得根节点的左节点。int right = child + 1;然后获得根节点的右节点- 假如此时右节点小于最后节点，并且左节点大于右节点，则设置子节点为右节点
- 如果最后节点小于根节点最小子节点，则终端，设置0位置为最后节点，
- 将根节点的最小节点数据设置到k为，然后设置k为位child位置
我们使用之前的例子来模拟下这个流程：
这个一个最开始的队列，现在我们移除0位的元素。
x=8,n=4,k=0
2
3
6
10
null
然后我们得到下面内容:
half = 2
第一轮循环中我们可以达到下内容
// 0 < 2
while (k < half) {
// child = 1
int child = (k << 1) + 1; // assume left child is least
// c = 3
Object c = array[child];
// right = 2
int right = child + 1;
// 3 > 6 = false
if (right < n &&
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right];
// 8 <= 3 = false
if (key.compareTo((T) c) <= 0)
break;
// [0] = 3
array[k] = c;
// k = 1
k = child;
}
x=8,n=4,k=1
3
3
6
10
null
第二轮循环中我们可以达到下内容
while (k < half) {
// child = 3
int child = (k << 1) + 1; // assume left child is least
// c = 10
Object c = array[child];
// right = 4
int right = child + 1;
// 4 < 4 false
if (right < n &&
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right];
// 8 <= 10 = true
if (key.compareTo((T) c) <= 0)
break;
// [0] = 3
array[k] = c;
// k = 1
k = child;
}
此时循环终端，然后array[k] = key;将K位置设置为key的值。key为固定的8，而k在上一循环已经被设置为了1。
x=8,n=4,k=1
3
8
6
10
null
转换成小根堆为
3
8
6
10
null
个人水平有限，上面的内容可能存在没有描述清楚或者错误的地方，假如开发同学发现了，请及时告知，我会第一时间修改相关内容。假如我的这篇内容对你有任何帮助的话，麻烦给我点一个赞。你的点赞就是我前进的动力。