死磕 Java 并发：J.U.C 之阻塞队列 - PriorityBlockingQueue

   <p>队列是比较常见的数据结构，我们也经常使用到，BlockingQueue常用于生产者消费者场景，在Java的并发包中已经提供了BlockingQueue的实现。</p>    <p>J.U.C之AQS传送门: <a href="https://mp.weixin.qq.com/s?__biz=MzU2NjIzNDk5NQ==&mid=2247484289&idx=1&sn=56ad0dd81fb2b4e4f86c5aaaaf3164a6&scene=21#wechat_redirect" rel="nofollow,noindex">【死磕Java并发】—–J.U.C之AQS（一篇就够了）</a></p>    <h2>PriorityBlockingQueue介绍</h2>    <p>我们知道线程Thread可以调用setPriority(int newPriority)来设置优先级的，线程优先级高的线程先执行，优先级低的后执行。而前面介绍的ArrayBlockingQueue、LinkedBlockingQueue都是采用FIFO原则来确定线程执行的先后顺序，那么有没有一个队列可以支持优先级呢？ PriorityBlockingQueue 。</p>    <p>PriorityBlockingQueue是一个支持优先级的无界阻塞队列。默认情况下元素采用自然顺序升序排序，当然我们也可以通过构造函数来指定Comparator来对元素进行排序。需要注意的是PriorityBlockingQueue不能保证同优先级元素的顺序。</p>    <h2>二叉堆</h2>    <p>由于PriorityBlockingQueue底层采用二叉堆来实现的，所以有必要先介绍下二叉堆。</p>    <p>二叉堆是一种特殊的堆，就结构性而言就是完全二叉树或者是近似完全二叉树，满足树结构性和堆序性。树机构特性就是完全二叉树应该有的结构，堆序性则是：父节点的键值总是保持固定的序关系于任何一个子节点的键值，且每个节点的左子树和右子树都是一个二叉堆。它有两种表现形式：最大堆、最小堆。</p>    <p>最大堆：父节点的键值总是大于或等于任何一个子节点的键值（下右图）</p>    <p>最小堆：父节点的键值总是小于或等于任何一个子节点的键值（下走图）</p>    <p><img src="https://simg.open-open.com/show/d53dee946151ac11bbefa2c6324177f8.jpg"></p>    <p>二叉堆一般用数组表示，如果父节点的节点位置在n处，那么其左孩子节点为：2 * n + 1 ，其右孩子节点为2 * (n + 1)，其父节点为（n - 1） / 2 处。上左图的数组表现形式为：</p>    <p><img src="https://simg.open-open.com/show/298a58a62a8d082329c50bf89fa8aef8.png"></p>    <p>二叉堆的基本结构了解了，下面来看看二叉堆的添加和删除节点。二叉堆的添加和删除相对于二叉树来说会简单很多。</p>    <h3>添加元素</h3>    <p>首先将要添加的元素N插添加到堆的末尾位置（在二叉堆中我们称之为空穴）。如果元素N放入空穴中而不破坏堆的序（其值大于跟父节点值（最大堆是小于父节点）），那么插入完成。否则，我们则将该元素N的节点与其父节点进行交换，然后与其新父节点进行比较直到它的父节点不在比它小（最大堆是大）或者到达根节点。</p>    <p>假如有如下一个二叉堆</p>    <p><img src="https://simg.open-open.com/show/4b6702fa34ebcdd734a178ce41713184.png"></p>    <p>这是一个最小堆，其父节点总是小于等于任一一个子节点。现在我们添加一个元素2。</p>    <p>第一步：在末尾添加一个元素2，如下：</p>    <p>第二步：元素2比其父节点6小，进行替换，如下：</p>    <p><img src="https://simg.open-open.com/show/b924728ec258397a3fba755a119be7a3.png"></p>    <p>第三步：继续与其父节点5比较，小于，替换：</p>    <p><img src="https://simg.open-open.com/show/6484fea5719f7d2b44a491fffbe5129e.png"></p>    <p>第四步：继续比较其跟节点1，发现跟节点比自己小，则完成，到这里元素2插入完毕。所以整个添加元素过程可以概括为：在元素末尾插入元素，然后不断比较替换直到不能移动为止。</p>    <p>复杂度：Ο(logn)</p>    <h3>删除元素</h3>    <p>删除元素与增加元素一样，需要维护整个二叉堆的序。删除位置1的元素（数组下标0），则把最后一个元素空出来移到最前边，然后和它的两个子节点比较，如果两个子节点中较小的节点小于该节点，就将他们交换，知道两个子节点都比该元素大为止。</p>    <p>就上面二叉堆而言，删除的元素为元素1。</p>    <p>第一步：删掉元素1，元素6空出来，如下：</p>    <p>第二步：与其两个子节点（元素2、元素3）比较，都小，将其中较小的元素（元素2）放入到该空穴中：</p>    <p><img src="https://simg.open-open.com/show/bfbbc421befc3a7111f71ca8f48431cc.png"></p>    <p>第三步：继续比较两个子节点（元素5、元素7），还是都小，则将较小的元素（元素5）放入到该空穴中：</p>    <p><img src="https://simg.open-open.com/show/9496218e5c0937d57c7f5ed367788e0e.png"></p>    <p><img src="https://simg.open-open.com/show/6ca7368e4d951ffce32cbb309e33d445.png"></p>    <p>第四步：比较其子节点（元素8），比该节点小，则元素6放入该空穴位置不会影响二叉堆的树结构，放入：</p>    <p><img src="https://simg.open-open.com/show/0bcf639e46453c83a9eac241e6d87c20.png"></p>    <p>到这里整个删除操作就已经完成了。</p>    <p>二叉堆的添加、删除操作还是比较简单的，很容易就理解了。下面我们就参考该内容来开启PriorityBlockingQueue的源代码研究。</p>    <h2>PriorityBlockingQueue</h2>    <p>PriorityBlockingQueue继承AbstractQueue，实现BlockingQueue接口。</p>    <pre>  public class PriorityBlockingQueue<E> extends AbstractQueue<E>      implements BlockingQueue<E>, java.io.Serializable   </pre>    <p>定义了一些属性</p>    <pre>  // 默认容量      private static final int DEFAULT_INITIAL_CAPACITY = 11;      // 最大容量      private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;      // 二叉堆数组      private transient Object[] queue;      // 队列元素的个数      private transient int size;      // 比较器，如果为空，则为自然顺序      private transient Comparator<? super E> comparator;      // 内部锁      private final ReentrantLock lock;      private final Condition notEmpty;      //       private transient volatile int allocationSpinLock;      // 优先队列：主要用于序列化，这是为了兼容之前的版本。只有在序列化和反序列化才非空      private PriorityQueue<E> q;  </pre>    <p>内部仍然采用可重入锁ReentrantLock来实现同步机制，但是这里只有一个notEmpty的Condition，了解了ArrayBlockingQueue我们知道它定义了两个Condition，之类为何只有一个呢？原因就在于PriorityBlockingQueue是一个无界队列，插入总是会成功，除非消耗尽了资源导致服务器挂。</p>    <h3>入列</h3>    <p>PriorityBlockingQueue提供put()、add()、offer()方法向队列中加入元素。我们这里从put()入手：put(E e) ：将指定元素插入此优先级队列。</p>    <pre>     public void put(E e) {          offer(e); // never need to block      }  </pre>    <p>PriorityBlockingQueue是无界的，所以不可能会阻塞。内部调用offer(E e)：</p>    <pre>  public boolean offer(E e) {          // 不能为null          if (e == null)              throw new NullPointerException();          // 获取锁          final ReentrantLock lock = this.lock;          lock.lock();          int n, cap;          Object[] array;          // 扩容          while ((n = size) >= (cap = (array = queue).length))              tryGrow(array, cap);          try {              Comparator<? super E> cmp = comparator;              // 根据比较器是否为null，做不同的处理              if (cmp == null)                  siftUpComparable(n, e, array);              else                  siftUpUsingComparator(n, e, array, cmp);              size = n + 1;              // 唤醒正在等待的消费者线程              notEmpty.signal();          } finally {              lock.unlock();          }          return true;      }  </pre>    <p>siftUpComparable</p>    <p>当比较器comparator为null时，采用自然排序，调用siftUpComparable方法：</p>    <pre>  private static <T> void siftUpComparable(int k, T x, Object[] array) {          Comparable<? super T> key = (Comparable<? super T>) x;          // “上冒”过程          while (k > 0) {              // 父级节点 （n - ） / 2              int parent = (k - 1) >>> 1;              Object e = array[parent];              // key >= parent 完成（最大堆）              if (key.compareTo((T) e) >= 0)                  break;              // key < parant 替换              array[k] = e;              k = parent;          }          array[k] = key;      }  </pre>    <p>这段代码所表示的意思：将元素X插入到数组中，然后进行调整以保持二叉堆的特性。</p>    <p>siftUpUsingComparator</p>    <p>当比较器不为null时，采用所指定的比较器，调用siftUpUsingComparator方法：</p>    <pre>  private static <T> void siftUpUsingComparator(int k, T x, Object[] array,   Comparator<? super T> cmp) {          while (k > 0) {              int parent = (k - 1) >>> 1;              Object e = array[parent];              if (cmp.compare(x, (T) e) >= 0)                  break;              array[k] = e;              k = parent;          }          array[k] = x;      }  </pre>    <p>扩容：tryGrow</p>    <pre>     private void tryGrow(Object[] array, int oldCap) {          lock.unlock();      // 扩容操作使用自旋，不需要锁主锁，释放          Object[] newArray = null;          // CAS 占用          if (allocationSpinLock == 0 && UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset, 0, 1)) {              try {                  // 新容量  最小翻倍                  int newCap = oldCap + ((oldCap < 64) ? (oldCap + 2) :  (oldCap >> 1));                  // 超过                  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;        // 最大容量                  }                  if (newCap > oldCap && queue == array)                      newArray = new Object[newCap];              } finally {                  allocationSpinLock = 0;     // 扩容后allocationSpinLock = 0 代表释放了自旋锁              }          }          // 到这里如果是本线程扩容newArray肯定是不为null，为null就是其他线程在处理扩容，那就让给别的线程处理          if (newArray == null)              Thread.yield();          // 主锁获取锁          lock.lock();          // 数组复制          if (newArray != null && queue == array) {              queue = newArray;              System.arraycopy(array, 0, newArray, 0, oldCap);          }      }  </pre>    <p>整个添加元素的过程和上面二叉堆一模一样：先将元素添加到数组末尾，然后采用“上冒”的方式将该元素尽量往上冒。</p>    <h3>出列</h3>    <p>PriorityBlockingQueue提供poll()、remove()方法来执行出对操作。出对的永远都是第一个元素：array[0]。</p>    <pre>    public E poll() {          final ReentrantLock lock = this.lock;          lock.lock();          try {              return dequeue();          } finally {              lock.unlock();          }      }  </pre>    <p>先获取锁，然后调用dequeue()方法：</p>    <pre>    private E dequeue() {          // 没有元素 返回null          int n = size - 1;          if (n < 0)              return null;          else {              Object[] array = queue;              // 出对元素              E result = (E) array[0];              // 最后一个元素（也就是插入到空穴中的元素）              E x = (E) array[n];              array[n] = null;              // 根据比较器释放为null，来执行不同的处理              Comparator<? super E> cmp = comparator;              if (cmp == null)                  siftDownComparable(0, x, array, n);              else                  siftDownUsingComparator(0, x, array, n, cmp);              size = n;              return result;          }      }  </pre>    <p>siftDownComparable</p>    <p>如果比较器为null，则调用siftDownComparable来进行自然排序处理：</p>    <pre>   private static <T> void siftDownComparable(int k, T x, Object[] array,   int n) {          if (n > 0) {              Comparable<? super T> key = (Comparable<? super T>)x;              // 最后一个叶子节点的父节点位置              int half = n >>> 1;              while (k < half) {                  int child = (k << 1) + 1;       // 待调整位置左节点位置                  Object c = array[child];        //左节点                  int right = child + 1;          //右节点                  //左右节点比较，取较小的                  if (right < n &&                          ((Comparable<? super T>) c).compareTo((T) array[right]) > 0)                      c = array[child = right];                  //如果待调整key最小，那就退出，直接赋值                  if (key.compareTo((T) c) <= 0)                      break;                  //如果key不是最小，那就取左右节点小的那个放到调整位置，然后小的那个节点位置开始再继续调整                  array[k] = c;                  k = child;              }              array[k] = key;          }      }  </pre>    <p>处理思路和二叉堆删除节点的逻辑一样：就第一个元素定义为空穴，然后把最后一个元素取出来，尝试插入到空穴位置，并与两个子节点值进行比较，如果不符合，则与其中较小的子节点进行替换，然后继续比较调整。</p>    <p>siftDownUsingComparator</p>    <p>如果指定了比较器，则采用比较器来进行调整：</p>    <pre>     private static <T> void siftDownUsingComparator(int k, T x, Object[] array,   int n,   Comparator<? super T> cmp) {          if (n > 0) {              int half = n >>> 1;              while (k < half) {                  int child = (k << 1) + 1;                  Object c = array[child];                  int right = child + 1;                  if (right < n && cmp.compare((T) c, (T) array[right]) > 0)                      c = array[child = right];                  if (cmp.compare(x, (T) c) <= 0)                      break;                  array[k] = c;                  k = child;              }              array[k] = x;          }      }  </pre>    <p>PriorityBlockingQueue采用二叉堆来维护，所以整个处理过程不是很复杂，添加操作则是不断“上冒”，而删除操作则是不断“下掉”。掌握二叉堆就掌握了PriorityBlockingQueue，无论怎么变还是不离其宗。对于PriorityBlockingQueue需要注意的是他是一个无界队列，所以添加操作是不会失败的，除非资源耗尽。</p>    <p><img src="https://simg.open-open.com/show/44993c1fba36d967c54b7ab64beb5496.png"></p>    <p> </p>    <p> </p>    <p>来自：http://cmsblogs.com</p>    <p> </p>