解读 Java 并发队列 BlockingQueue

前言

本文直接参考 Doug Lea 写的 Java doc 和注释，这也是咱们在学习 java 并发包时最好的材料了。但愿你们能有所思、有所悟，学习 Doug Lea 的代码风格，并将其优雅、严谨的做风应用到咱们写的每一行代码中。

BlockingQueue

首先，最基本的来讲， BlockingQueue 是一个先进先出的队列（Queue），为何说是阻塞（Blocking）的呢？是由于 BlockingQueue 支持当获取队列元素可是队列为空时，会阻塞等待队列中有元素再返回；也支持添加元素时，若是队列已满，那么等到队列能够放入新元素时再放入。

BlockingQueue 是一个接口，继承自 Queue，因此其实现类也能够做为 Queue 的实现来使用，而 Queue 又继承自 Collection 接口。

BlockingQueue 对插入操做、移除操做、获取元素操做提供了四种不一样的方法用于不一样的场景中使用：一、抛出异常；二、返回特殊值（null 或 true/false，取决于具体的操做）；三、阻塞等待此操做，直到这个操做成功；四、阻塞等待此操做，直到成功或者超时指定时间。

对于 BlockingQueue，咱们的关注点应该在 put(e) 和 take() 这两个方法，由于这两个方法是带阻塞的。
BlockingQueue 不接受 null 值的插入，相应的方法在碰到 null 的插入时会抛出 NullPointerException 异常。null 值在这里一般用于做为特殊值返回（表格中的第三列），表明 poll 失败。因此，若是容许插入 null 值的话，那获取的时候，就不能很好地用 null 来判断究竟是表明失败，仍是获取的值就是 null 值。

一个 BlockingQueue 多是有界的，若是在插入的时候，发现队列满了，那么 put 操做将会阻塞。一般，在这里咱们说的无界队列也不是说真正的无界，而是它的容量是 Integer.MAX_VALUE（21亿多）。

BlockingQueue 是设计用来实现生产者-消费者队列的，固然，你也能够将它当作普通的 Collection 来用，前面说了，它实现了 java.util.Collection 接口。例如，咱们能够用 remove(x) 来删除任意一个元素，可是，这类操做一般并不高效，因此尽可能只在少数的场合使用，好比一条消息已经入队，可是须要作取消操做的时候。

BlockingQueue 的实现都是线程安全的，可是批量的集合操做如 addAll, containsAll, retainAll 和 removeAll 不必定是原子操做。如 addAll(c) 有可能在添加了一些元素后中途抛出异常，此时 BlockingQueue 中已经添加了部分元素，这个是容许的，取决于具体的实现。

BlockingQueue 不支持 close 或 shutdown 等关闭操做，由于开发者可能但愿不会有新的元素添加进去，此特性取决于具体的实现，不作强制约束。

最后，BlockingQueue 在生产者-消费者的场景中，是支持多消费者和多生产者的，说的其实就是线程安全问题。

相信上面说的每一句都很清楚了，BlockingQueue 是一个比较简单的线程安全容器，下面我会分析其具体的在 JDK 中的实现，这里又到了 Doug Lea 表演时间了。

BlockingQueue 实现之 ArrayBlockingQueue

ArrayBlockingQueue 是 BlockingQueue 接口的有界队列实现类，底层采用数组来实现。

其并发控制采用可重入锁来控制，无论是插入操做仍是读取操做，都须要获取到锁才能进行操做。
ArrayBlockingQueue 共有如下几个属性：

// 用于存放元素的数组
final Object[] items;
// 下一次读取操做的位置
int takeIndex;
// 下一次写入操做的位置
int putIndex;
// 队列中的元素数量
int count;

// 如下几个就是控制并发用的同步器
final ReentrantLock lock;
private final Condition notEmpty;
private final Condition notFull;

ArrayBlockingQueue 实现并发同步的原理就是，读操做和写操做都须要获取到 AQS 独占锁才能进行操做。若是队列为空，这个时候读操做的线程进入到读线程队列排队，等待写线程写入新的元素，而后唤醒读线程队列的第一个等待线程。若是队列已满，这个时候写操做的线程进入到写线程队列排队，等待读线程将队列元素移除腾出空间，而后唤醒写线程队列的第一个等待线程。

对于 ArrayBlockingQueue，咱们能够在构造的时候指定如下三个参数：

1.队列容量，其限制了队列中最多容许的元素个数；
2.指定独占锁是公平锁仍是非公平锁。非公平锁的吞吐量比较高，公平锁能够保证每次都是等待最久的线程获取到锁；
3.能够指定用一个集合来初始化，将此集合中的元素在构造方法期间就先添加到队列中。

BlockingQueue 实现之 LinkedBlockingQueue

底层基于单向链表实现的阻塞队列，能够当作无界队列也能够当作有界队列来使用。看构造方法：

// 传说中的无界队列
public LinkedBlockingQueue() {
    this(Integer.MAX_VALUE);
}

// 传说中的有界队列
public LinkedBlockingQueue(int capacity) {
    if (capacity <= 0) throw new IllegalArgumentException();
    this.capacity = capacity;
    last = head = new Node<E>(null);
}

咱们看看这个类有哪些属性：

// 队列容量
private final int capacity;

// 队列中的元素数量
private final AtomicInteger count = new AtomicInteger(0);

// 队头
private transient Node<E> head;

// 队尾
private transient Node<E> last;

// take, poll, peek 等读操做的方法须要获取到这个锁
private final ReentrantLock takeLock = new ReentrantLock();

// 若是读操做的时候队列是空的，那么等待 notEmpty 条件
private final Condition notEmpty = takeLock.newCondition();

// put, offer 等写操做的方法须要获取到这个锁
private final ReentrantLock putLock = new ReentrantLock();

// 若是写操做的时候队列是满的，那么等待 notFull 条件
private final Condition notFull = putLock.newCondition();

这里用了两个锁，两个 Condition，简单介绍以下：

takeLock 和 notEmpty 怎么搭配：若是要获取（take）一个元素，须要获取 takeLock 锁，可是获取了锁还不够，若是队列此时为空，还须要队列不为空（notEmpty）这个条件（Condition）。

putLock 须要和 notFull 搭配：若是要插入（put）一个元素，须要获取 putLock 锁，可是获取了锁还不够，若是队列此时已满，还须要队列不是满的（notFull）这个条件（Condition）。

首先，这里用一个示意图来看看 LinkedBlockingQueue 的并发读写控制，而后再开始分析源码：

看懂这个示意图，源码也就简单了，读操做是排好队的，写操做也是排好队的，惟一的并发问题在于一个写操做和一个读操做同时进行，只要控制好这个就能够了。

先上构造方法：

public LinkedBlockingQueue(int capacity) {
    if (capacity <= 0) throw new IllegalArgumentException();
    this.capacity = capacity;
    last = head = new Node<E>(null);
}

注意，这里会初始化一个空的头结点，那么第一个元素入队的时候，队列中就会有两个元素。读取元素时，也老是获取头节点后面的一个节点。count 的计数值不包括这个头节点。

咱们来看下 put 方法是怎么将元素插入到队尾的：

public void put(E e) throws InterruptedException {
    if (e == null) throw new NullPointerException();
    // 若是你纠结这里为何是 -1，能够看看 offer 方法。这就是个标识成功、失败的标志而已。
    int c = -1;
    Node<E> node = new Node(e);
    final ReentrantLock putLock = this.putLock;
    final AtomicInteger count = this.count;
    // 必需要获取到 putLock 才能够进行插入操做
    putLock.lockInterruptibly();
    try {
        // 若是队列满，等待 notFull 的条件知足。
        while (count.get() == capacity) {
            notFull.await();
        }
        // 入队
        enqueue(node);
        // count 原子加 1，c 仍是加 1 前的值
        c = count.getAndIncrement();
        // 若是这个元素入队后，还有至少一个槽可使用，调用 notFull.signal() 唤醒等待线程。
        // 哪些线程会等待在 notFull 这个 Condition 上呢？
        if (c + 1 < capacity)
            notFull.signal();
    } finally {
        // 入队后，释放掉 putLock
        putLock.unlock();
    }
    // 若是 c == 0，那么表明队列在这个元素入队前是空的（不包括head空节点），
    // 那么全部的读线程都在等待 notEmpty 这个条件，等待唤醒，这里作一次唤醒操做
    if (c == 0)
        signalNotEmpty();
}

// 入队的代码很是简单，就是将 last 属性指向这个新元素，而且让原队尾的 next 指向这个元素
// 这里入队没有并发问题，由于只有获取到 putLock 独占锁之后，才能够进行此操做
private void enqueue(Node<E> node) {
    // assert putLock.isHeldByCurrentThread();
    // assert last.next == null;
    last = last.next = node;
}

// 元素入队后，若是须要，调用这个方法唤醒读线程来读
private void signalNotEmpty() {
    final ReentrantLock takeLock = this.takeLock;
    takeLock.lock();
    try {
        notEmpty.signal();
    } finally {
        takeLock.unlock();
    }
}

咱们再看看 take 方法:

public E take() throws InterruptedException {
    E x;
    int c = -1;
    final AtomicInteger count = this.count;
    final ReentrantLock takeLock = this.takeLock;
    // 首先，须要获取到 takeLock 才能进行出队操做
    takeLock.lockInterruptibly();
    try {
        // 若是队列为空，等待 notEmpty 这个条件知足再继续执行
        while (count.get() == 0) {
            notEmpty.await();
        }
        // 出队
        x = dequeue();
        // count 进行原子减 1
        c = count.getAndDecrement();
        // 若是此次出队后，队列中至少还有一个元素，那么调用 notEmpty.signal() 唤醒其余的读线程
        if (c > 1)
            notEmpty.signal();
    } finally {
        // 出队后释放掉 takeLock
        takeLock.unlock();
    }
    // 若是 c == capacity，那么说明在这个 take 方法发生的时候，队列是满的
    // 既然出队了一个，那么意味着队列不满了，唤醒写线程去写
    if (c == capacity)
        signalNotFull();
    return x;
}
// 取队头，出队
private E dequeue() {
    // assert takeLock.isHeldByCurrentThread();
    // assert head.item == null;
    // 以前说了，头结点是空的
    Node<E> h = head;
    Node<E> first = h.next;
    h.next = h; // help GC
    // 设置这个为新的头结点
    head = first;
    E x = first.item;
    first.item = null;
    return x;
}
// 元素出队后，若是须要，调用这个方法唤醒写线程来写
private void signalNotFull() {
    final ReentrantLock putLock = this.putLock;
    putLock.lock();
    try {
        notFull.signal();
    } finally {
        putLock.unlock();
    }
}

BlockingQueue 实现之 SynchronousQueue

它是一个特殊的队列，它的名字其实就蕴含了它的特征 - - 同步的队列。为何说是同步的呢？这里说的并非多线程的并发问题，而是由于当一个线程往队列中写入一个元素时，写入操做不会当即返回，须要等待另外一个线程来将这个元素拿走；同理，当一个读线程作读操做的时候，一样须要一个相匹配的写线程的写操做。这里的 Synchronous 指的就是读线程和写线程须要同步，一个读线程匹配一个写线程。

咱们比较少使用到 SynchronousQueue 这个类，不过它在线程池的实现类 ScheduledThreadPoolExecutor 中获得了应用，感兴趣的读者能够在看完这个后去看看相应的使用。

虽然上面我说了队列，可是 SynchronousQueue 的队列实际上是虚的，其不提供任何空间（一个都没有）来存储元素。数据必须从某个写线程交给某个读线程，而不是写到某个队列中等待被消费。

你不能在 SynchronousQueue 中使用 peek 方法（在这里这个方法直接返回 null），peek 方法的语义是只读取不移除，显然，这个方法的语义是不符合 SynchronousQueue 的特征的。SynchronousQueue 也不能被迭代，由于根本就没有元素能够拿来迭代的。虽然 SynchronousQueue 间接地实现了 Collection 接口，可是若是你将其当作 Collection 来用的话，那么集合是空的。固然，这个类也是不容许传递 null 值的（并发包中的容器类好像都不支持插入 null 值，由于 null 值每每用做其余用途，好比用于方法的返回值表明操做失败）。

接下来，咱们来看看具体的源码实现吧，它的源码不是很简单的那种，咱们须要先搞清楚它的设计思想。

源码加注释大概有 1200 行，咱们先看大框架：

// 构造时，咱们能够指定公平模式仍是非公平模式，区别以后再说
public SynchronousQueue(boolean fair) {
    transferer = fair ? new TransferQueue() : new TransferStack();
}
abstract static class Transferer {
    // 从方法名上大概就知道，这个方法用于转移元素，从生产者手上转到消费者手上
    // 也能够被动地，消费者调用这个方法来从生产者手上取元素
    // 第一个参数 e 若是不是 null，表明场景为：将元素从生产者转移给消费者
    // 若是是 null，表明消费者等待生产者提供元素，而后返回值就是相应的生产者提供的元素
    // 第二个参数表明是否设置超时，若是设置超时，超时时间是第三个参数的值
    // 返回值若是是 null，表明超时，或者中断。具体是哪一个，能够经过检测中断状态获得。
    abstract Object transfer(Object e, boolean timed, long nanos);
}

Transferer 有两个内部实现类，是由于构造 SynchronousQueue 的时候，咱们能够指定公平策略。公平模式意味着，全部的读写线程都遵照先来后到，FIFO 嘛，对应 TransferQueue。而非公平模式则对应 TransferStack。

咱们先采用公平模式分析源码，而后再说说公平模式和非公平模式的区别。

接下来，咱们看看 put 方法和 take 方法：

// 写入值
public void put(E o) throws InterruptedException {
    if (o == null) throw new NullPointerException();
    if (transferer.transfer(o, false, 0) == null) { // 1
        Thread.interrupted();
        throw new InterruptedException();
    }
}
// 读取值并移除
public E take() throws InterruptedException {
    Object e = transferer.transfer(null, false, 0); // 2
    if (e != null)
        return (E)e;
    Thread.interrupted();
    throw new InterruptedException();
}

咱们看到，写操做 put(E o) 和读操做 take() 都是调用 Transferer.transfer(…) 方法，区别在于第一个参数是否为 null 值。

咱们来看看 transfer 的设计思路，其基本算法以下：

当调用这个方法时，若是队列是空的，或者队列中的节点和当前的线程操做类型一致（如当前操做是 put 操做，而队列中的元素也都是写线程）。这种状况下，将当前线程加入到等待队列便可。
若是队列中有等待节点，并且与当前操做能够匹配（如队列中都是读操做线程，当前线程是写操做线程，反之亦然）。这种状况下，匹配等待队列的队头，出队，返回相应数据。
其实这里有个隐含的条件被知足了，队列若是不为空，确定都是同种类型的节点，要么都是读操做，要么都是写操做。这个就要看究竟是读线程积压了，仍是写线程积压了。

咱们能够假设出一个男女配对的场景：一个男的过来，若是一我的都没有，那么他须要等待；若是发现有一堆男的在等待，那么他须要排到队列后面；若是发现是一堆女的在排队，那么他直接牵走队头的那个女的。

既然这里说到了等待队列，咱们先看看其实现，也就是 QNode:

static final class QNode {
    volatile QNode next;          // 能够看出来，等待队列是单向链表
    volatile Object item;         // CAS'ed to or from null
    volatile Thread waiter;       // 将线程对象保存在这里，用于挂起和唤醒
    final boolean isData;         // 用于判断是写线程节点(isData == true)，仍是读线程节点

    QNode(Object item, boolean isData) {
        this.item = item;
        this.isData = isData;
    }
  ......

相信说了这么多之后，咱们再来看 transfer 方法的代码就轻松多了。

/**
 * Puts or takes an item.
 */
Object transfer(Object e, boolean timed, long nanos) {

    QNode s = null; // constructed/reused as needed
    boolean isData = (e != null);

    for (;;) {
        QNode t = tail;
        QNode h = head;
        if (t == null || h == null)         // saw uninitialized value
            continue;                       // spin

        // 队列空，或队列中节点类型和当前节点一致，
        // 即咱们说的第一种状况，将节点入队便可。读者要想着这块 if 里面方法其实就是入队
        if (h == t || t.isData == isData) { // empty or same-mode
            QNode tn = t.next;
            // t != tail 说明刚刚有节点入队，continue 便可
            if (t != tail)                  // inconsistent read
                continue;
            // 有其余节点入队，可是 tail 仍是指向原来的，此时设置 tail 便可
            if (tn != null) {               // lagging tail
                // 这个方法就是：若是 tail 此时为 t 的话，设置为 tn
                advanceTail(t, tn);
                continue;
            }
            // 
            if (timed && nanos <= 0)        // can't wait
                return null;
            if (s == null)
                s = new QNode(e, isData);
            // 将当前节点，插入到 tail 的后面
            if (!t.casNext(null, s))        // failed to link in
                continue;

            // 将当前节点设置为新的 tail
            advanceTail(t, s);              // swing tail and wait
            // 看到这里，请读者先往下滑到这个方法，看完了之后再回来这里，思路也就不会断了
            Object x = awaitFulfill(s, e, timed, nanos);
            // 到这里，说明以前入队的线程被唤醒了，准备往下执行
            if (x == s) {                   // wait was cancelled
                clean(t, s);
                return null;
            }

            if (!s.isOffList()) {           // not already unlinked
                advanceHead(t, s);          // unlink if head
                if (x != null)              // and forget fields
                    s.item = s;
                s.waiter = null;
            }
            return (x != null) ? x : e;

        // 这里的 else 分支就是上面说的第二种状况，有相应的读或写相匹配的状况
        } else {                            // complementary-mode
            QNode m = h.next;               // node to fulfill
            if (t != tail || m == null || h != head)
                continue;                   // inconsistent read

            Object x = m.item;
            if (isData == (x != null) ||    // m already fulfilled
                x == m ||                   // m cancelled
                !m.casItem(x, e)) {         // lost CAS
                advanceHead(h, m);          // dequeue and retry
                continue;
            }

            advanceHead(h, m);              // successfully fulfilled
            LockSupport.unpark(m.waiter);
            return (x != null) ? x : e;
        }
    }
}

void advanceTail(QNode t, QNode nt) {
    if (tail == t)
        UNSAFE.compareAndSwapObject(this, tailOffset, t, nt);
}

// 自旋或阻塞，直到知足条件，这个方法返回
Object awaitFulfill(QNode s, Object e, boolean timed, long nanos) {

    long lastTime = timed ? System.nanoTime() : 0;
    Thread w = Thread.currentThread();
    // 判断须要自旋的次数，
    int spins = ((head.next == s) ?
                 (timed ? maxTimedSpins : maxUntimedSpins) : 0);
    for (;;) {
        // 若是被中断了，那么取消这个节点
        if (w.isInterrupted())
            // 就是将当前节点 s 中的 item 属性设置为 this
            s.tryCancel(e);
        Object x = s.item;
        // 这里是这个方法的惟一的出口
        if (x != e)
            return x;
        // 若是须要，检测是否超时
        if (timed) {
            long now = System.nanoTime();
            nanos -= now - lastTime;
            lastTime = now;
            if (nanos <= 0) {
                s.tryCancel(e);
                continue;
            }
        }
        if (spins > 0)
            --spins;
        // 若是自旋达到了最大的次数，那么检测
        else if (s.waiter == null)
            s.waiter = w;
        // 若是自旋到了最大的次数，那么线程挂起，等待唤醒
        else if (!timed)
            LockSupport.park(this);
        // spinForTimeoutThreshold 这个以前讲 AQS 的时候其实也说过，剩余时间小于这个阈值的时候，就
        // 不要进行挂起了，自旋的性能会比较好
        else if (nanos > spinForTimeoutThreshold)
            LockSupport.parkNanos(this, nanos);
    }
}

Doug Lea 的巧妙之处在于，将各个代码凑在了一块儿，使得代码很是简洁，固然也同时增长了咱们的阅读负担，看代码的时候，仍是得仔细想一想各类可能的状况。

下面，再说说前面说的公平模式和非公平模式的区别。

相信你们内心面已经有了公平模式的工做流程的概念了，我就简单说说 TransferStack 的算法，就不分析源码了。

1.当调用这个方法时，若是队列是空的，或者队列中的节点和当前的线程操做类型一致（如当前操做是 put 操做，而栈中的元素也都是写线程）。这种状况下，将当前线程加入到等待栈中，等待配对。而后返回相应的元素，或者若是被取消了的话，返回 null。
2.若是栈中有等待节点，并且与当前操做能够匹配（如栈里面都是读操做线程，当前线程是写操做线程，反之亦然）。将当前节点压入栈顶，和栈中的节点进行匹配，而后将这两个节点出栈。配对和出栈的动做其实也不是必须的，由于下面的一条会执行一样的事情。
3.若是栈顶是进行匹配而入栈的节点，帮助其进行匹配并出栈，而后再继续操做。

应该说，TransferStack 的源码要比 TransferQueue 的复杂一些，若是读者感兴趣，请自行进行源码阅读。

BlockingQueue 实现之 PriorityBlockingQueue

带排序的 BlockingQueue 实现，其并发控制采用的是 ReentrantLock，队列为无界队列（ArrayBlockingQueue 是有界队列，LinkedBlockingQueue 也能够经过在构造函数中传入 capacity 指定队列最大的容量，可是 PriorityBlockingQueue 只能指定初始的队列大小，后面插入元素的时候，若是空间不够的话会自动扩容）。

简单地说，它就是 PriorityQueue 的线程安全版本。不能够插入 null 值，同时，插入队列的对象必须是可比较大小的（comparable），不然报 ClassCastException 异常。它的插入操做 put 方法不会 block，由于它是无界队列（take 方法在队列为空的时候会阻塞）。

它的源码相对比较简单，本节将介绍其核心源码部分。

咱们来看看它有哪些属性：

// 构造方法中，若是不指定大小的话，默认大小为 11
private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 数组的最大容量
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;

// 这个就是存放数据的数组
private transient Object[] queue;

// 队列当前大小
private transient int size;

// 大小比较器，若是按照天然序排序，那么此属性可设置为 null
private transient Comparator<? super E> comparator;

// 并发控制所用的锁，全部的 public 且涉及到线程安全的方法，都必须先获取到这个锁
private final ReentrantLock lock;

// 这个很好理解，其实例由上面的 lock 属性建立
private final Condition notEmpty;

// 这个也是用于锁，用于数组扩容的时候，须要先获取到这个锁，才能进行扩容操做
// 其使用 CAS 操做
private transient volatile int allocationSpinLock;

// 用于序列化和反序列化的时候用，对于 PriorityBlockingQueue 咱们应该比较少使用到序列化
private PriorityQueue q;

此类实现了 Collection 和 Iterator 接口中的全部接口方法，对其对象进行迭代并遍历时，不能保证有序性。若是你想要实现有序遍历，建议采用 Arrays.sort(queue.toArray()) 进行处理。PriorityBlockingQueue 提供了 drainTo 方法用于将部分或所有元素有序地填充（准确说是转移，会删除原队列中的元素）到另外一个集合中。还有一个须要说明的是，若是两个对象的优先级相同（compare 方法返回 0），此队列并不保证它们之间的顺序。

PriorityBlockingQueue 使用了基于数组的二叉堆来存放元素，全部的 public 方法采用同一个 lock 进行并发控制。

二叉堆：一颗彻底二叉树，它很是适合用数组进行存储，对于数组中的元素 a[i]，其左子节点为 a[2i+1]，其右子节点为 a[2i + 2]，其父节点为 a[(i-1)/2]，其堆序性质为，每一个节点的值都小于其左右子节点的值。二叉堆中最小的值就是根节点，可是删除根节点是比较麻烦的，由于须要调整树。

简单用个图解释一下二叉堆，我就不说太多专业的严谨的术语了，这种数据结构的优势是一目了然的，最小的元素必定是根元素，它是一棵满的树，除了最后一层，最后一层的节点从左到右紧密排列。

下面开始 PriorityBlockingQueue 的源码分析，首先咱们来看看构造方法:

// 默认构造方法，采用默认值(11)来进行初始化
public PriorityBlockingQueue() {
    this(DEFAULT_INITIAL_CAPACITY, null);
}
// 指定数组的初始大小
public PriorityBlockingQueue(int initialCapacity) {
    this(initialCapacity, null);
}
// 指定比较器
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];
}
// 在构造方法中就先填充指定的集合中的元素
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();
}

接下来，咱们来看看其内部的自动扩容实现：

private void tryGrow(Object[] array, int oldCap) {
    // 这边作了释放锁的操做
    lock.unlock(); // must release and then re-acquire main lock
    Object[] newArray = null;
    // 用 CAS 操做将 allocationSpinLock 由 0 变为 1，也算是获取锁
    if (allocationSpinLock == 0 &&
        UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
                                 0, 1)) {
        try {
            // 若是节点个数小于 64，那么增长的 oldCap + 2 的容量
            // 若是节点数大于等于 64，那么增长 oldCap 的一半
            // 因此节点数较小时，增加得快一些
            int newCap = oldCap + ((oldCap < 64) ?
                                   (oldCap + 2) :
                                   (oldCap >> 1));
            // 这里有可能溢出
            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;
            }
            // 若是 queue != array，那么说明有其余线程给 queue 分配了其余的空间
            if (newCap > oldCap && queue == array)
                // 分配一个新的大数组
                newArray = new Object[newCap];
        } finally {
            // 重置，也就是释放锁
            allocationSpinLock = 0;
        }
    }
    // 若是有其余的线程也在作扩容的操做
    if (newArray == null) // back off if another thread is allocating
        Thread.yield();
    // 从新获取锁
    lock.lock();
    // 将原来数组中的元素复制到新分配的大数组中
    if (newArray != null && queue == array) {
        queue = newArray;
        System.arraycopy(array, 0, newArray, 0, oldCap);
    }
}

扩容方法对并发的控制也很是的巧妙，释放了原来的独占锁 lock，这样的话，扩容操做和读操做能够同时进行，提升吞吐量。

下面，咱们来分析下写操做 put 方法和读操做 take 方法。

public void put(E e) {
    // 直接调用 offer 方法，由于前面咱们也说了，在这里，put 方法不会阻塞
    offer(e); 
}
public boolean offer(E e) {
    if (e == null)
        throw new NullPointerException();
    final ReentrantLock lock = this.lock;
    // 首先获取到独占锁
    lock.lock();
    int n, cap;
    Object[] array;
    // 若是当前队列中的元素个数 >= 数组的大小，那么须要扩容了
    while ((n = size) >= (cap = (array = queue).length))
        tryGrow(array, cap);
    try {
        Comparator<? super E> cmp = comparator;
        // 节点添加到二叉堆中
        if (cmp == null)
            siftUpComparable(n, e, array);
        else
            siftUpUsingComparator(n, e, array, cmp);
        // 更新 size
        size = n + 1;
        // 唤醒等待的读线程
        notEmpty.signal();
    } finally {
        lock.unlock();
    }
    return true;
}

对于二叉堆而言，插入一个节点是简单的，插入的节点若是比父节点小，交换它们，而后继续和父节点比较。

// 这个方法就是将数据 x 插入到数组 array 的位置 k 处，而后再调整树
private static <T> void siftUpComparable(int k, T x, Object[] array) {
    Comparable<? super T> key = (Comparable<? super T>) x;
    while (k > 0) {
        // 二叉堆中 a[k] 节点的父节点位置
        int parent = (k - 1) >>> 1;
        Object e = array[parent];
        if (key.compareTo((T) e) >= 0)
            break;
        array[k] = e;
        k = parent;
    }
    array[k] = key;
}

咱们用图来示意一下，咱们接下来要将 11 插入到队列中，看看 siftUp 是怎么操做的。

咱们再看看 take 方法：

public E take() throws InterruptedException {
    final ReentrantLock lock = this.lock;
    // 独占锁
    lock.lockInterruptibly();
    E result;
    try {
        // dequeue 出队
        while ( (result = dequeue()) == null)
            notEmpty.await();
    } finally {
        lock.unlock();
    }
    return result;
}

private E dequeue() {
    int n = size - 1;
    if (n < 0)
        return null;
    else {
        Object[] array = queue;
        // 队头，用于返回
        E result = (E) array[0];
        // 队尾元素先取出
        E x = (E) array[n];
        // 队尾置空
        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;
    }
}

dequeue 方法返回队头，并调整二叉堆的树，调用这个方法必须先获取独占锁。

废话很少说，出队是很是简单的，由于队头就是最小的元素，对应的是数组的第一个元素。难点是队头出队后，须要调整树。

private static <T> void siftDownComparable(int k, T x, Object[] array,
                                           int n) {
    if (n > 0) {
        Comparable<? super T> key = (Comparable<? super T>)x;
        // 这里获得的 half 确定是非叶节点
        // a[n] 是最后一个元素，其父节点是 a[(n-1)/2]。因此 n >>> 1 表明的节点确定不是叶子节点
        // 下面，咱们结合图来一行行分析，这样比较直观简单
        // 此时 k 为 0, x 为 17，n 为 9
        int half = n >>> 1; // 获得 half = 4
        while (k < half) {
            // 先取左子节点
            int child = (k << 1) + 1; // 获得 child = 1
            Object c = array[child];  // c = 12
            int right = child + 1;  // right = 2
            // 若是右子节点存在，并且比左子节点小
            // 此时 array[right] = 20，因此条件不知足
            if (right < n &&
                ((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
                c = array[child = right];
            // key = 17, c = 12，因此条件不知足
            if (key.compareTo((T) c) <= 0)
                break;
            // 把 12 填充到根节点
            array[k] = c;
            // k 赋值后为 1
            k = child;
            // 一轮事后，咱们发现，12 左边的子树和刚刚的差很少，都是缺乏根节点，接下来处理就简单了
        }
        array[k] = key;
    }
}

记住二叉堆是一棵彻底二叉树，那么根节点 10 拿掉后，最后面的元素 17 必须找到合适的地方放置。首先，17 和 10 不能直接交换，那么先将根节点 10 的左右子节点中较小的节点往上滑，即 12 往上滑，而后原来 12 留下了一个空节点，而后再把这个空节点的较小的子节点往上滑，即 13 往上滑，最后，留出了位子，17 补上便可。

我稍微调整下这个树，以便读者能更明白：

总结

我知道本文过长，相信一字不漏看完的读者确定是少数。

ArrayBlockingQueue 底层是数组，有界队列，若是咱们要使用生产者-消费者模式，这是很是好的选择。

LinkedBlockingQueue 底层是链表，能够当作无界和有界队列来使用，因此你们不要觉得它就是无界队列。

SynchronousQueue 自己不带有空间来存储任何元素，使用上能够选择公平模式和非公平模式。

PriorityBlockingQueue 是无界队列，基于数组，数据结构为二叉堆，数组第一个也是树的根节点老是最小值。

（全文完）