PriorityBlockingQueue详解
PriorityBlockingQueue介绍
【1】PriorityBlockingQueue是一个无界的基于数组的优先级阻塞队列，数组的默认长度是11，也可以指定数组的长度，且可以无限的扩充，直到资源消耗尽为止，每次出队都返回优先级别最高的或者最低的元素。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。
【2】优先级队列PriorityQueue： 队列中每个元素都有一个优先级，出队的时候，优先级最高的先出。
PriorityBlockingQueue的源码分析
【1】属性值
//默认容量
private static final int DEFAULT_INITIAL_CAPACITY = 11;
//最大容量设定
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//存放数据的数组
private transient Object[] queue;
//元素个数
private transient int size;
//排序规则（比较器）
private transient Comparator<? super E> comparator;
//独占锁
private final ReentrantLock lock;
//队列为空的时候的阻塞队列
private final Condition notEmpty;
//用于分配的CAS自旋锁
private transient volatile int allocationSpinLock;
//只用于序列化的普通优先队列
private PriorityQueue<E> q;【2】构造函数
//没有指定容量，则容量默认11
public PriorityBlockingQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
//有指定容量则容量为指定数值
public PriorityBlockingQueue(int initialCapacity) {
this(initialCapacity, null);
}
//初始化所需要的属性值
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];
}【3】核心方法分析
1）核心扩容函数
//扩容函数
private void tryGrow(Object[] array, int oldCap) {
lock.unlock(); //必须释放然后重新获得主锁，这一步的意义在于所有操作共享一把锁，在进行扩容时（因为写已满），释放锁（不能写，要等待扩容完才能写），提供给读操作
Object[] newArray = null;
// CAS 轻量级锁加锁，避免并发扩容
if (allocationSpinLock == 0 && UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset, 0, 1)) {
try {
// 扩容步长，旧值小于64时，变为两倍+2。大于64时，变为1.5倍。
int newCap = oldCap + ((oldCap < 64) ? (oldCap + 2) : (oldCap >> 1));
// 超过最大容量，内存溢出
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;
}
// 创建新数组
if (newCap > oldCap && queue == array)
newArray = new Object[newCap];
} finally {
allocationSpinLock = 0;
}
}
// 并发扩容时，线程让出 cpu 执行时间，给其他线程执行，自己稍后执行，原因：加锁不成功必然有其他线程也在扩容，在等待过程中让出资源给其他线程利用
if (newArray == null)
Thread.yield();
//重新加锁
lock.lock();
//变更内存指向，利用内存拷贝复制旧数据
if (newArray != null && queue == array) {
queue = newArray;
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}2）入队方法
public void put(E e) {
offer(e); // never need to block
}
public boolean add(E e) {
return offer(e);
}
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
lock.lock();
int n, cap;
Object[] array;
while ((n = size) >= (cap = (array = queue).length))
//自旋扩容
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
//根据比较器采用填充的方式
if (cmp == null)
siftUpComparable(n, e, array);
else
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}4）队列填入方式
代码展示
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;
}
//雷同上面的不过比较器采用传入的
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;
}图解说明
1.利用了满二叉树的理念，(k - 1) >>> 1可以获得存入节点的父节点下标，然后进行比较。若判断应该上升，则将父节点置于k存储的地方。
2.重复循环，知道二叉树root节点，或者已经找到了合适的位置
4）出队方法
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;
}
private E dequeue() {
int n = size - 1;
if (n < 0)
return null;
else {
Object[] array = queue;
//将头节点取出返回
E result = (E) array[0];
//将末尾节点当做向头节点位置存入的节点
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;
}
}5）队列修正方式
代码展示
private static <T> void siftDownComparable(int k, T x, Object[] array, int n) {
if (n > 0) {
Comparable<? super T> key = (Comparable<? super T>)x;
//过滤掉最后一层的元素（以为满二叉树中，最后一层占据的元素就是n/2）
int half = n >>> 1; // loop while a non-leaf
while (k < half) {
//获取头节点的左节点
int child = (k << 1) + 1; // assume left child is least
Object c = array[child];
int right = child + 1;
//进行左右节点的比较，取小的一边作为比较，以为优先队列要确保头节点是最小的（换而言之，保证子树下面的头节点为子树里面最小的即可）
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;
}
}
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;
}
}图解说明
1.采用尾结点代替头节点，然后利用下沉的方式来修正优先队列里面的数据。
2.下沉限制在倒数第二层，以为倒数第二层就会与倒数第一层进行比较了，所以应该进行限制（下标位置超出倒数第二层的最大下标就应该停止了）
3.其次看的时候，可以把左右子树都当做一个小的满二叉树，不断逐层划分，这样条理更清晰。
PriorityBlockingQueue总结
【1】一个支持优先级排序的无界阻塞队列，优先级高的先出队，优先级低的后出队
【2】数据结构：数组+二叉堆（默认容量11，可指定初始容量，会自动扩容，最大容量是(Integer.MAX_VALUE - 8)）
【3】锁：ReentrantLock，存取是同一把锁
【4】阻塞对象：NotEmpty，出队，队列为空时阻塞
【5】入队，不阻塞，永远返回成功，无界；根据比较器进行堆化（排序）自下而上，如果比较器为 null，则按照自然顺序排序，传入比较器对象就按照比较器的顺序排序。
【6】出队，优先级最高的元素在堆顶（弹出堆顶元素），弹出前比较两个子节点再进行堆化（自上而下）。
【7】应用场景：1.业务办理排队叫号，VIP客户插队；2.电商抢购活动，会员级别高的用户优先抢购到商品；
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2022-10-12，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
