int oldCapacity = queue.length;
// Double size if small; else grow by 50%
int newCapacity = oldCapacity + ((oldCapacity < 64) ?
(oldCapacity + 2) :
(oldCapacity >> 1));
// overflow-conscious code
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
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;
}
重点关注@2,siftUp的实现:
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
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;
}
private void siftUpUsingComparator(int k, E x) {
while (k > 0) { // @1
int parent = (k - 1) >>> 1; //@2
Object e = queue[parent];
if (comparator.compare(x, (E) e) >= 0) //@3
break;
queue[k] = e; // @4
k = parent; //@5
}
queue[k] = x; //@6
}
重点分析一下 siftUpUsingComparator 方法,比较器不为空。
首先,参数k的值为增加元素之前的 size 值,也就是,PriorityQueue 总是在先将节点放在内部数组元素的索引为 size 的位置,size 加一,然后找到 element[size] 的父节点,对比两者之间的大小关系,如果小于父节点,则交换两者的位置,继续像上找其父节点。直到父节点为空,索引<=0
代码@2,上文中也说过,PriorityQueue用数组来存储一棵完成二叉树,索引为n的左右子节点的索引分别为2n+1,2n+2( 2(n+1)),那已知子节点的索引为k,父节点的索引则为 看 (k -1) / 2 ,所以就不难理解 (k-1)>>>1。parent为父节点的索引。
代码@3,如果子节点的值大于父节点的值,由于满足最小堆的定义(父节点比两个子节点的值都要小),不需要调整树的结构,直接将元素x添加到数组索引代表的k位置。
代码@4,如果子节点的值小于父节点的值,则将父节点的值存入到k位置,设置k为parent,如果k的值小于等于0,则执行@6,否则继续找parent的父节点,再次比较父节点与x的大小。
2.2 public E poll() 方法详解
public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
E result = (E) queue[0]; // @1
E x = (E) queue[s]; // @2
queue[s] = null; //@3
if (s != 0)
siftDown(0, x);
return result;
}
再重复一下poll方法的语义,如果队列为空,则返回null,否则移除队列中的第一个元素,并返回。
代码@1,返回队列中第一个元素,最小堆中,queue[0]代表根节点。
代码@2,获取数组中最后一个元素,该数组有个特点,如果索引size-1的元素肯定不为空,并且为该数组最后一个不为空的元素。数组中的元素是连续不为空,因为从算法角度来说,在添加元素的时候,总是首先在 queue[size-1]的位置添加元素,然后与该位置的父节点去比较,并且总是先添加左节点,然后添加右节点。从而保证数组元素是连续的;从完成二叉树的定义中也规定,只有最后两层的节点的度少于二,也保证了数组元素不会出现不连续,所谓的不连续是不允许 queue[0],queue[2]不为空,但queue[1]为空的情况。
代码@3,将queue最后一个节点设置为空,然后用该节点与根节点去做比较,将该树中最小值设置为新的根节点,达到将旧根节点移除的目的。具体请看如下代码。
/**
-
Inserts item x at position k, maintaining heap invariant by
-
demoting x down the tree repeatedly until it is less than or
-
equal to its children or is a leaf.
-
@param k the position to fill
-
@param x the item to insert
*/
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
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;
}
private void siftDownUsingComparator(int k, E x) {
int half = size >>> 1; // @1
while (k < half) { //@2
int child = (k << 1) + 1; //@3
Object c = queue[child]; //@4
int right = child + 1; //@5
if (right < size && //@6
comparator.compare((E) c, (E) queue[right]) > 0) //@7
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0) //@8
break;
queue[k] = c;
k = child;
}
queue[k] = x; //@9
}
代码 siftDownUsingComparator 是从根节点开始重构该树,使之维持最下堆特性。入参中的k为0,x为原先最后一个元素。该方法的目的是要移除头部节点,然后找到最新的头节点。实现方法是,用指定的位置k节点开始下沉,找到最小节点成为新的头部节点,如果k节点没有子节点,直接将位置k的节点设置为x,原k节点的数据被删除;如果k有子节点,然后找到k的两个子节点中最小的那个节点位置(child为最小的节点),如果K的最小的子节点比x的大的话,说明x符合成为K两个子节点的父节点,故直接将x替换原来的k即可,否则将最小的子节点替换K,然后从k=child,重复上述操作。
代码@1,因为最后一个元素为size-1,根据该数组的特性,0-size/2的节点有子节点,不包括size/2,[0,half)为所有的根节点。故代码@2的循环条件为k>half。
代码@3,k的左孩子的索引。
代码@4,k的左孩子节点的值。
代码@5,k的右孩子。
代码@5,@7,如果右孩子不为空,则取,左右两个孩子中比较小的值,用来比较。
代码@7,如果x的值比待替换的根节点的两个孩子节点都小,直接将X替换为根节点即可,运行代码@9。
否则,用根节点下两个子节点中最小值替换一下根节点。然后从child位置重复上面的计算,确保新的子数也符合最小堆的定义,while循环结束有如下两种情况,1:k>=half,说明位置k已经是叶子节点了,故需要跳出运行;如果x的值比父节点的两个子节点都小,跳出循环。将下标k处的值设置为x。
2.3 public boolean remove(Object o)
public boolean remove(Object o) {
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i); // @1
return true;
}
}
private E removeAt(int i) {
assert i >= 0 && i < size;
modCount++;
int s = --size;
if (s == i) // removed last element
queue[i] = null;
else { // @2
E moved = (E) queue[s]; //@3
queue[s] = null; //@4
siftDown(i, moved); //@5
if (queue[i] == moved) { //@6
siftUp(i, moved); //@7
if (queue[i] != moved)
return moved;
}
}
return null;
}
该方法的实现思想是首先在queue数组中找到该值,如果找不到,直接返回-1,是队列最后一个元素,直接从队列中删除即可,如果是队列中间的元素,删除操作就没那么简单,删除元素后,要保证数组元素的连续性(其实就是要保证删除后的树满足最小堆的定义)
代码@3、@4,先用临时变量moved保存队列的最后一个元素,然后将队列最后一个元素删除(设置为空)
代码@5,删除下标为i的元素,然后用moved元素来填充一个空位。
siftDown执行完毕后,moved元素所在的位置有如下几种可能:
- moved放在下标为i的地方,这里包含两种情况,1)位置为i的元素为叶子节点。2)如果move元素比i的两个
子元素小。
- moved放在下标大于i的地方,如果moved元素比i的最小的子节点大,此时用最小的子节点替换父节点。i的 索引设置为原i最小节点的索引,从该索引继续执行siftDown过程。
如果moved放在下标大于i的地方,本次删除成功结束。
如果moved位置放在i的位置,此时,需要上浮,确定moved是否比父节点大,如果比父节点小,则不符合最小堆定义,通过上浮调整。siftUp 方法不会删除元素,但 siftDown 方法会删除一个元素。
接下来,就是从待移除的位置 i 处开始下沉,我们知道 siftDown(int k,E x)方法,可以说就是移除k位置的元素,然后将加入到以k为父节点的树中(保持最小堆特性),但要是位置为k的地方是叶子节点呢?siftDown的做法是直接将x放入到k的位置。但这样会不会影响最小堆特性呢,答案是可能的,也就有了代码@6的判断,如果queue[i] == moved,说明此时k是叶子节点,,应该从索引为k向上升,判断该节点与父节点的关系,所以调用siftUp(int i, E x)方法,上浮,确保维持最小堆特性。在这里,我还想再啰嗦一下,重温一下siftUp的实现逻辑:如果i<=0,直接将x放入到队列索引为i的位置。如何大于0,则找到该节点的父节点,然后比较父节点与x的大小关系,如果x大于根节点,则直接将x放入到下标为i的地方,否则,需要将父节点放入位置i上,然后继续k=parent。
提问:PriorityQueue removeAt 返回值,是被移除的元素吗?
2.4 public Iterator iterator() 迭代器
首先,迭代器,既然PriorityQueue内部是一个数组queue[],那迭代器,直接遍历该数组就好了,是的,但迭代器与for(int i =0; i < size; i++)这中遍历方法,还有一个特殊的是,迭代器支持将当前迭代的元素删除,也就是remove方法。我们也知道,移除一个元素后,要重新调整结构,保证删除一元素后继续保持最小堆的特性。从上文中我们知道,从0-size-1直接删除一个元素,通常的做法,是先将尾部节点(移除队列,将size减一,然后将queue[size]的元素用临时变量保存,然后将queue[size]=null),用该节点与要删除的元素进行对比,替换,再重构树特性。
所以,Itr类的设计,就是基于上述的考虑。
private final class Itr implements Iterator {
/**
- Index (into queue array 需要zi料+ 绿色徽【vip1024b】
) of element to be returned by
最后的话
无论是哪家公司,都很重视Spring框架技术,重视基础,所以千万别小看任何知识。面试是一个双向选择的过程,不要抱着畏惧的心态去面试,不利于自己的发挥。
同时看中的应该不止薪资,还要看你是不是真的喜欢这家公司,好了希望这篇文章对大家有帮助!
部分截图:
后将queue[size]的元素用临时变量保存,然后将queue[size]=null),用该节点与要删除的元素进行对比,替换,再重构树特性。
所以,Itr类的设计,就是基于上述的考虑。
private final class Itr implements Iterator {
/**
- Index (into queue array 需要zi料+ 绿色徽【vip1024b】
) of element to be returned by
最后的话
无论是哪家公司,都很重视Spring框架技术,重视基础,所以千万别小看任何知识。面试是一个双向选择的过程,不要抱着畏惧的心态去面试,不利于自己的发挥。
同时看中的应该不止薪资,还要看你是不是真的喜欢这家公司,好了希望这篇文章对大家有帮助!
部分截图:
[外链图片转存中…(img-J6wvutyc-1710364408683)]