JDK源码分析-PriorityQueue

概述

PriorityQueue 意为优先队列，表示队列中的元素是有优先级的，也就是说元素之间是可比较的。所以，插入队列的元素要实现 Comparable 接口或者 Comparator 接口。

PriorityQueue 的继承结构以下：

PriorityQueue 没有实现 BlockingQueue 接口，并不是阻塞队列。它在逻辑上使用「堆」（即彻底二叉树）结构实现，物理上基于「动态数组」存储。如图所示：

有关堆的概念可参考前文「数据结构与算法笔记（三）」的相关描述。下面分析其代码实现。

代码分析

成员变量

// 数组的默认初始容量private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 内部数组，用于存储队列中的元素transient Object[] queue; // non-private to simplify nested class access
// 队列中元素的个数private int size = 0;
// 队列中元素的比较器private final Comparator<? super E> comparator;
// 结构性修改次数transient int modCount = 0; // non-private to simplify nested class access

构造器

// 构造器 1：无参构造器（默认初试容量为 11）public PriorityQueue() {    this(DEFAULT_INITIAL_CAPACITY, null);}
// 构造器 2：指定容量的构造器public PriorityQueue(int initialCapacity) {    this(initialCapacity, null);}
// 构造器 3：指定比较器的构造器public PriorityQueue(Comparator<? super E> comparator) {    this(DEFAULT_INITIAL_CAPACITY, comparator);}
// 构造器 4：指定初始容量和比较器的构造器public PriorityQueue(int initialCapacity,                     Comparator<? super E> comparator) {    // Note: This restriction of at least>// but continues for 1.5 compatibility    if (initialCapacity < 1)        throw new IllegalArgumentException();    // 初始化内部数组和比较器    this.queue = new Object[initialCapacity];    this.comparator = comparator;}

这几个构造器的做用就是初始化内部数组和比较器。

此外，还有几个稍复杂点的构造器，代码以下：

// 构造器 5：用给定集合初始化 PriorityQueue 对象public PriorityQueue(Collection<? extends E> c) {    // 若是集合是 SortedSet 类型    if (c instanceof SortedSet<?>) {        SortedSet<? extends E> ss = (SortedSet<? extends E>) c;        this.comparator = (Comparator<? super E>) ss.comparator();        initElementsFromCollection(ss);    }    // 若是集合是 PriorityQueue 类型    else if (c instanceof PriorityQueue<?>) {        PriorityQueue<? extends E> pq = (PriorityQueue<? extends E>) c;        this.comparator = (Comparator<? super E>) pq.comparator();        initFromPriorityQueue(pq);    }    else {        this.comparator = null;        initFromCollection(c);    }}

initElementsFromCollection:

// 使用给定集合的元素初始化 PriorityQueueprivate void initElementsFromCollection(Collection<? extends E> c) {    // 把集合转为数组    Object[] a = c.toArray();    // If c.toArray incorrectly doesn't return Object[], copy it.    if (a.getClass() != Object[].class)        a = Arrays.copyOf(a, a.length, Object[].class);    int len = a.length;    // 确保集合中每一个元素不能为空    if (len == 1 || this.comparator != null)        for (int i = 0; i < len; i++)            if (a[i] == null)                throw new NullPointerException();    // 初始化 queue 数组和 size    this.queue = a;    this.size = a.length;}

initFromPriorityQueue:

private void initFromPriorityQueue(PriorityQueue<? extends E> c) {    if (c.getClass() == PriorityQueue.class) {        // 若给定的是 PriorityQueue，则直接进行初始化        this.queue = c.toArray();        this.size = c.size();    } else {        initFromCollection(c);    }}

initFromCollection:

private void initFromCollection(Collection<? extends E> c) {    // 将集合中的元素转为数组，并赋值给 queue（上面已分析）    initElementsFromCollection(c);    // 堆化    heapify();}

heapify: 堆化，即将数组元素转为堆的存储结构

private void heapify() {    // 从数组的中间位置开始遍历便可    for (int i = (size >>> 1) - 1; i >= 0; i--)        siftDown(i, (E) queue[i]);}

PS: 这里遍历时，从数组的中间位置遍历（根据堆的存储结构，若是某个节点的索引为 i，则其左右子节点的索引分别为 2 * i + 1,  2 * i + 2）。

siftDown: 向下筛选？暂未找到恰当的译法，但这不是重点，该方法的做用就是使数组知足堆结构（其思想与冒泡排序有些相似）。以下：

private void siftDown(int k, E x) {    // 根据 comparator 是否为空采用不一样的方法    if (comparator != null)        siftDownUsingComparator(k, x);    else        siftDownComparable(k, x);}

siftDownUsingComparator:

private void siftDownUsingComparator(int k, E x) {    // 数组的中间位置    int half = size >>> 1;    while (k < half) {        // 获取索引为 k 的节点的左子节点索引        int child = (k << 1) + 1;        // 获取 child 的值        Object c = queue[child];        // 获取索引为 k 的节点的右子节点索引        int right = child + 1;        // 左子节点的值大于右子节点，则两者换位置        if (right < size &&            comparator.compare((E) c, (E) queue[right]) > 0)            // 取左右子节点中较小的一个            c = queue[child = right];        // 给定的元素 x 与较小的子节点的值比较        if (comparator.compare(x, (E) c) <= 0)            break;        // 将该节点与子节点互换        queue[k] = c;        k = child;    }    queue[k] = x;}

该方法的步骤大概：

1. 找出给定节点（父节点）的子节点中较小的一个，并于之比较大小；

2. 若父节点较大，则交换位置（父节点“下沉”）。

PS: 可参考上面的结构示意图，其中数组表示队列中现有的元素，二叉树表示相应的堆结构，角标表示数组中的索引（有兴趣能够在 IDE 断点调试验证）。

siftDownComparable 方法代码以下：

private void siftDownComparable(int k, E x) {    Comparable<? super E> key = (Comparable<? super E>)x;    int half = size >>> 1;        // loop while a non-leaf    while (k < half) {        int child = (k << 1) + 1; // assume left child is least        Object c = queue[child];        int right = child + 1;        if (right < size &&            ((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)            c = queue[child = right];        if (key.compareTo((E) c) <= 0)            break;        queue[k] = c;        k = child;    }    queue[k] = key;}

此方法与 siftDownUsingComparator 方法实现逻辑彻底同样，不一样的的地方仅在于该方法是针对 Comparable 接口，然后者针对 Comparator 接口，再也不赘述。

此外 PriorityQueue 还有两个构造器，但都是经过上面的方法实现的，以下：

// 构造器 6：用给定的 PriorityQueue 初始化一个 PriorityQueuepublic PriorityQueue(PriorityQueue<? extends E> c) {    this.comparator = (Comparator<? super E>) c.comparator();    initFromPriorityQueue(c);}
// 构造器 7：用给定的 SortedSet 初始化 PriorityQueuepublic PriorityQueue(SortedSet<? extends E> c) {    this.comparator = (Comparator<? super E>) c.comparator();    initElementsFromCollection(c);}

也再也不赘述。

入队操做：add(E), offer(E)

两个入队操做方法以下：

// 实际是调用 offer 方法实现的public boolean add(E e) {    return offer(e);}
public boolean offer(E e) {    if (e == null)        throw new NullPointerException();    modCount++;    int i = size;    // 扩容    if (i >= queue.length)        grow(i + 1);    // 元素个数加一    size = i + 1;    // 原数组为空，即添加第一个元素，直接放到数组首位便可    if (i == 0)        queue[0] = e;    else        // 向上筛选？        siftUp(i, e);    return true;}

扩容操做：

private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
private void grow(int minCapacity) {    // 原先容量    int oldCapacity = queue.length;    // Double size if small; else grow by 50%    // 原容量较小时，扩大为原先的两倍；不然扩大为原先的 1.5 倍    int newCapacity = oldCapacity + ((oldCapacity < 64) ?                                     (oldCapacity + 2) :                                     (oldCapacity >> 1));    // overflow-conscious code    if (newCapacity - MAX_ARRAY_SIZE > 0)        newCapacity = hugeCapacity(minCapacity);    // 建立一个新的数组    queue = Arrays.copyOf(queue, newCapacity);}
private static int hugeCapacity(int minCapacity) {    if (minCapacity < 0) // overflow        throw new OutOfMemoryError();    return (minCapacity > MAX_ARRAY_SIZE) ?        Integer.MAX_VALUE :        MAX_ARRAY_SIZE;}

PS: 扩容操做与前文分析的 ArrayList 和 Vector 的扩容操做相似。

siftUp: 可与 siftDown 方法对比分析

private void siftUp(int k, E x) {    if (comparator != null)        siftUpUsingComparator(k, x);    else        siftUpComparable(k, x);}

siftUpUsingComparator():

private void siftUpUsingComparator(int k, E x) {    while (k > 0) {        // 父节点的索引        int parent = (k - 1) >>> 1;        // 父节点的元素        Object e = queue[parent];        // 若该节点元素大于等于父节点，结束循环        if (comparator.compare(x, (E) e) >= 0)            break;        // 该节点元素小于父节点，        queue[k] = e;        k = parent;    }    // 入队    queue[k] = x;}

该操做也稍微有点绕，仍是以上图为基础继续操做，示意图以下：

其中分为左右两种状况：

1. 左边插入元素为 7，大于父节点 4，无需和父节点交换位置，直接插入便可；

2. 右边插入元素为 1，小于父节点 4，须要和父节点交换位置，并一直往上查找和交换，上图为调整后的数组及对应的树结构。

siftUpComparable: 

private void siftUpComparable(int k, E x) {    Comparable<? super E> key = (Comparable<? super E>) x;    while (k > 0) {        int parent = (k - 1) >>> 1;        Object e = queue[parent];        if (key.compareTo((E) e) >= 0)            break;        queue[k] = e;        k = parent;    }    queue[k] = key;}

该方法逻辑与 siftUpUsingComparator 同样，也是 Comparator 和 Comparable 接口的差异。

这里简单比较下 siftDown 和 siftUp 这两个方法：

1. siftDown 是把指定节点与其子节点中较小的一个比较，父节点较大时“下沉（down）”；

2. siftUp 是把指定节点与其父节点比较，若小于父节点，则“上浮（up）”。

出队操做：poll()

public E poll() {    // 队列为空时，返回 null    if (size == 0)        return null;    int s = --size;    modCount++;    // 队列第一个元素    E result = (E) queue[0];    // 队列最后一个元素    E x = (E) queue[s];    // 把最后一个元素置空    queue[s] = null;    if (s != 0)    // 下沉        siftDown(0, x);    return result;}

操做的示意图以下：

该操做的步骤大概以下：

1. 移除队列的最后一个元素，并将该元素置于首位；

2. 将新的“首位”元素与子节点中较小的一个比较，比较并交换位置（即执行“下沉（siftDown）”操做）。

删除操做：remove(Object)

public boolean remove(Object o) {    int i = indexOf(o);    if (i == -1)        return false;    else {        removeAt(i);        return true;    }}

indexOf(o):

// 遍历数组查找指定元素private int indexOf(Object o) {    if (o != null) {        for (int i = 0; i < size; i++)            if (o.equals(queue[i]))                return i;    }    return -1;}

removeAt(i):

private E removeAt(int i) {    // assert i >= 0 && i < size;    modCount++;    int s = --size;    // 移除末尾元素，直接置空    if (s == i) // removed last element        queue[i] = null;    else {        // 末尾元素        E moved = (E) queue[s];        queue[s] = null; // 删除末尾元素        // 操做与 poll 方法相似        siftDown(i, moved);        // 这里表示该节点未进行“下沉”调整，则执行“上浮“操做        if (queue[i] == moved) {            siftUp(i, moved);            if (queue[i] != moved)                return moved;        }    }    return null;}

大概执行步骤：

1. 若移除末尾元素，直接删除；

2. 若非末尾元素，则将末尾元素删除，并用末尾元素替换待删除的元素；

3. 堆化操做：先执行“下沉（siftDown）”操做，若该元素未“下沉”，则再执行“上浮（siftUp）”操做，使得数组删除元素后仍知足堆结构。

示例代码

示例一：

private static void test1() {  // 不指定比较器（默认从小到大排序）  Queue<Integer> queue = new PriorityQueue<>();  for (int i = 0; i < 10; i++) {    queue.add(random.nextInt(100));  }  while (!queue.isEmpty()) {    System.out.print(queue.poll() + ". ");  }}/* 输出结果（仅供参考）： *   2, 13, 14, 36, 39, 40, 43, 55, 83, 88, */

示例二：指定比较器（Comparator）

private static void test2() {  // 指定比较器（从大到小排序）  Queue<Integer> queue = new PriorityQueue<>(11, (o1, o2) -> o2 - o1);  for (int i = 0; i < 10; i++) {    queue.add(random.nextInt(100));  }  while (!queue.isEmpty()) {    System.out.print(queue.poll() + ", ");  }}/* 输出结果（仅供参考）： *   76, 74, 71, 69, 52, 49, 41, 41, 35, 1, */

示例三：求 Top N

public class FixedPriorityQueue {  private PriorityQueue<Integer> queue;  private int maxSize;
 public FixedPriorityQueue(int maxSize) {    this.maxSize = maxSize;    // 初始化优先队列及比较器    // 这里是从大到小（可调整）    this.queue = new PriorityQueue<>(maxSize, (o2, o1) -> o2.compareTo(o1));  }
 public void add(Integer i) {    // 队列未满时，直接插入    if (queue.size() < maxSize) {      queue.add(i);    } else {      // 队列已满，将待插入元素与最小值比较      Integer peek = queue.peek();      if (i.compareTo(peek) > 0) {        // 大于最小值，将最小值移除，该元素插入        queue.poll();        queue.add(i);      }    }  }    public static void main(String[] args) {    FixedPriorityQueue fixedQueue = new FixedPriorityQueue(10);    for (int i = 1; i <= 100; i++) {      fixedQueue.add(i);    }        Iterable<Integer> iterable = () -> fixedQueue.queue.iterator();    System.out.println("队列中的元素：");    for (Integer integer : iterable) {      System.out.print(integer + ", ");    }        System.out.println();    System.out.println("最大的 10 个：");    while (!fixedQueue.queue.isEmpty()) {      System.out.print(fixedQueue.queue.poll() + ", ");    }  }
}/*  输出结果： *    队列中的元素： *    91, 92, 94, 93, 96, 95, 99, 97, 98, 100,  *    最大的 10 个： *    91, 92, 93, 94, 95, 96, 97, 98, 99, 100, */

小结

1. PriorityQueue 为优先队列，实现了 Queue 接口，但并不是阻塞对列；

2. 内部的元素是可比较的（Comparable 或 Comparator），元素不能为空；

3. 逻辑上使用「堆」（即彻底二叉树）结构实现，物理上基于「动态数组」存储；

4. PriorityQueue 可用做求解 Top N 问题。

参考连接：

https://blog.csdn.net/qq_35326718/article/details/72866180

https://my.oschina.net/leejun2005/blog/135085

Stay hungry, stay foolish.