作者:繁依Fanyi
**文章总结**
本文探讨了如何通过技术手段实现加载状态与流畅交互的优化,旨在提升用户体验。文章详细介绍了在应用开发中,如何通过合理的架构设计、异步处理和性能优化等策略,减少用户等待时间,提高系统的响应速度和稳定性。
完全二叉树是一种特殊的二叉树,在需要高效存储和检索数据的情况下,完全二叉树在计算机科学中有着广泛的应用。它具有以下特点:
二叉堆和完全二叉树之间存在密切的关系,主要体现在以下几个方面:
二叉堆是一种特殊的完全二叉树
完全二叉树是二叉堆的底层数据结构
大顶堆、小顶堆都是二叉堆的变种,二叉堆则是一种特殊的完全二叉树。
二叉堆、大顶堆和小顶堆都是基于完全二叉树的概念,它们之间的主要区别在于节点值的大小关系以及应用场景。
长度为len,堆节点个数为size,size<=len。
大根堆:最大值在根节点,其余节点都小
小堆根:最小值在根节点,其余节点都大
初始化如下的4层小顶堆,可以通过数组heap[11]来支撑实现小顶堆。
数组下标:表示元素节点,数组元素值:表示节点。
在小顶堆中,堆底增加元素,可以分解为以下步骤:
核心代码算法如下:
在小顶堆中,删除操作通常是指删除堆顶元素(即最小元素),并保持堆属性不变。以下是删除堆顶元素的步骤:
核心代码如下:
public class PriorityBlockingQueue<E> extends AbstractQueue<E>
implements BlockingQueue<E>, java.io.Serializable {
// 默认容量为11
private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 最大数组大小
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
// 存储元素的地方
private transient Object[] queue;
// 元素个数
private transient int size;
// 比较器
private transient Comparator<? super E> comparator;
// 重入锁
private final ReentrantLock lock;
// 非空条件
private final Condition notEmpty;
// 扩容的时候使用的控制变量,CAS更新这个值,谁更新成功了谁扩容,其它线程让出CPU
private transient volatile int allocationSpinLock;
// 不阻塞的优先级队列,非存储元素的地方,仅用于序列化/反序列化时
private PriorityQueue<E> q;
}
成员定义:
// 默认容量为11
public PriorityBlockingQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
// 传入初始容量
public PriorityBlockingQueue(int initialCapacity) {
this(initialCapacity, null);
}
// 传入初始容量和比较器
// 初始化各变量
public PriorityBlockingQueue(int initialCapacity,
Comparator<? super E> comparator) {
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.comparator = comparator;
this.queue = new Object[Math.max(1, initialCapacity)];
}
代码解析:
每个阻塞队列都有四个方法,offer()
和 put()
方法是 PriorityBlockingQueue
中两种用于向队列中插入元素的方法,它们之间的主要区别在于它们处理队列已满时的行为:
offer(E e)
方法尝试将指定的元素插入队列。如果队列未满,元素会被插入并返回 true
;如果队列已满,则不会插入元素并返回 false
。offer(E e, long timeout, TimeUnit unit)
,该方法会在指定的时间内尝试插入元素。如果在指定时间内队列未满,元素会被插入并返回 true
;如果超时时间内队列仍然已满,则不会插入元素并返回 false
。put(E e)
方法将指定的元素插入队列。如果队列未满,元素会被插入;如果队列已满,该方法会阻塞当前线程,直到队列中有可用空间。put()
方法没有超时版本,它会一直阻塞直到有空间可用。我们这里只分析一个offer(E e)
方法:
public boolean offer(E e) {
// 元素不能为空
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
// 加锁
lock.lock();
int n, cap;
Object[] array;
// 判断是否需要扩容,即元素个数达到了数组容量
while ((n = size) >= (cap = (array = queue).length))
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
// 根据是否有比较器选择不同的方法
if (cmp == null)
siftUpComparable(n, e, array);
else
siftUpUsingComparator(n, e, array, cmp);
// 插入元素完毕,元素个数加1
size = n + 1;
// 唤醒notEmpty条件
notEmpty.signal();
} finally {
// 解锁
lock.unlock();
}
return true;
}
private static <T> void siftUpComparable(int k, T x, Object[] array) {
Comparable<? super T> key = (Comparable<? super T>) x;
while (k > 0) {
// 取父节点
int parent = (k - 1) >>> 1;
// 父节点的元素值
Object e = array[parent];
// 如果key大于父节点,堆化结束
if (key.compareTo((T) e) >= 0)
break;
// 否则,交换二者的位置,继续下一轮比较
array[k] = e;
k = parent;
}
// 找到了应该放的位置,放入元素
array[k] = key;
}
代码解析:
入队的整个操作跟PriorityQueue
几乎一致:
notEmpty
条件,唤醒取元素的线程;private void tryGrow(Object[] array, int oldCap) {
// 先释放锁,因为是从offer()方法的锁内部过来的
// 这里先释放锁,使用allocationSpinLock变量控制扩容的过程
// 防止阻塞的线程过多
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
// CAS更新allocationSpinLock变量为1的线程获得扩容资格
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
// 旧容量小于64则翻倍,旧容量大于64则增加一半
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
// 判断新容量是否溢出
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 {
// 相当于解锁
allocationSpinLock = 0;
}
}
// 只有进入了上面条件的才会满足这个条件
// 意思是让其它线程让出CPU
if (newArray == null) // back off if another thread is allocating
Thread.yield();
// 再次加锁
lock.lock();
// 判断新数组创建成功并且旧数组没有被替换过
if (newArray != null && queue == array) {
// 队列赋值为新数组
queue = newArray;
// 并拷贝旧数组元素到新数组中
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}
代码解析:
offer()
方法中加的锁;allocationSpinLock
变量的CAS
操作来控制扩容的过程;64
则翻倍,旧容量大于64
则增加一半;allocationSpinLock
为0
,相当于解锁;CPU
;offer()
方法中继续添加元素操作;PriorityBlockingQueue
支持线程安全的插入、删除和查找操作。
take()
和 poll()
方法是 PriorityBlockingQueue
中两种用于检索并移除队列头部的元素的方法,它们之间的主要区别在于它们处理队列为空时的行为:
take()
方法:当队列为空时,take()
方法会阻塞当前线程,直到队列中有新的元素可用。这种行为使得 take()
方法非常适合在需要等待可用元素的生产者-消费者场景中使用。poll()
方法:当队列为空时,poll()
方法会立即返回 null
,而不会阻塞当前线程。如果需要在指定的时间内等待可用元素,可以使用 poll(long timeout, TimeUnit unit)
方法,该方法会在指定的超时时间内等待元素,如果在超时时间内没有找到元素,则返回 null
。这里我们主要分析take方法。
public E take() throws InterruptedException {
//申请可重入锁
final ReentrantLock lock = this.lock;
lock.lockInterruptibly();
E result;
try {
// 判断结果是否为空
while ( (result = dequeue()) == null)
// 如果为空,则挂起当前线程
notEmpty.await();
} finally {
lock.unlock();
}
return result;
}
private E dequeue() {
// 元素个数减1
int n = size - 1;
if (n < 0)
// 数组元素不足,返回null
return null;
else {
Object[] array = queue;
// 弹出堆顶元素
E result = (E) array[0];
// 把堆尾元素拿到堆顶
E x = (E) array[n];
array[n] = null;
Comparator<? super E> cmp = comparator;
// 并做自上而下的堆化
if (cmp == null)
siftDownComparable(0, x, array, n);
else
siftDownUsingComparator(0, x, array, n, cmp);
// 修改size
size = n;
// 返回出队的元素
return result;
}
}
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
// 只需要遍历到叶子节点就够了
while (k < half) {
// 左子节点
int child = (k << 1) + 1; // assume left child is least
// 左子节点的值
Object c = array[child];
// 右子节点
int right = child + 1;
// 取左右子节点中最小的值
if (right < n &&
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right];
// key如果比左右子节点都小,则堆化结束
if (key.compareTo((T) c) <= 0)
break;
// 否则,交换key与左右子节点中最小的节点的位置
array[k] = c;
k = child;
}
// 找到了放元素的位置,放置元素
array[k] = key;
}
}
代码分析:出队的过程与PriorityQueue
基本类似:
notEmpty
条件上;【1】PriorityBlockingQueue是堆的一个应用场景,底层就是用了小顶堆
体现小顶堆的逻辑是:
【2】为什么PriorityQueue中的add(e)方法没有做异常检查呢?
因为PriorityQueue是无限增长的队列,元素不够用了会扩容,所以添加元素不会失败。
PriorityBlockingQueue
是一个小顶堆,只有堆顶存储着最小的元素;
PriorityBlockingQueue
整个入队出队的过程与PriorityQueue
基本是保持一致的;PriorityBlockingQueue
使用一个锁+一个notEmpty
条件控制并发安全;PriorityBlockingQueue
扩容时使用一个单独变量的CAS
操作来控制只有一个线程进行扩容;原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。