面试|详细理解优先队列DelayedWorkQueue

DelayedWorkQueue优先队列

该队列是定制的优先级队列，只能用来存储RunnableScheduledFutures任务。堆是实现优先级队列的最佳选择，而该队列正好是基于堆数据结构的实现。

1.关于堆的一些知识

堆结构是用数组实现的二叉树，数组下标可以表明元素节点的位置，所以省去指针的内存消耗；堆内元素节点的位置取决于节点的某一个属性的大小值，根据父节点是否大于左右节点分为最小堆和最大堆。即二叉树根节点最小则为最小堆，二叉树根节点最大则为最大堆；下面是最小堆和最大堆的示例：

最小堆中，父节点都小于左右节点；其数组形式：[1, 5, 8, 6, 10, 11, 20]

最大堆总，父节点都大于左右节点；其数组形式：[20, 10, 15, 6, 9, 10, 12]

2.堆的一些属性

• 堆都是满二叉树.因为满二叉树会充分利用数组的内存空间；
• 最小堆是指父节点比左节点和右节点都小的结构,所以整个最小堆中,根节点是最小的节点；
• 最大堆是指父节点比左节点和右节点都大的结构,所以整个最大堆中,根节点是最大的节点；
• 最大堆和最小堆的左节点和右节点没有关系,只能判断父节点和左右两节点的大小关系；

基于堆的这些属性，堆适用于找到集合中的最大或者最小值；另外，堆结构记录任务及其索引的关系，便于插入数据或者删除数据后重新排序，所以堆适用于优先队列。

3.堆和数组

堆结构是二叉树，节点实际存储在数组中。如果i是节点的索引，那么就可以用下面的公式计算父节点和子节点在数组中的位置：

// 父节点
parent(i) =floor( (i – 1) / 2);
// 左节点
left(i) = 2 * i + 1;
// 右节点
right(i) = 2 * i + 2;

左节点和右节点在数组中永远是相邻的.例如上面的最小堆，数组为：[1, 5, 8, 6, 10, 11, 20]，数组中的元素在满二叉树中就是从上到下从左到右分布着。

节点属性值	节点索引i	节点父节点 floor( (i – 1) / 2)	节点左节点2 * i + 1	节点右节点2 * i + 2
1	0	-1	1	2
5	1	0	3	4
8	2	0	5	6
6	3	1	-	-
10	4	1	-	-
11	5	2	-	-
20	6	2	-	-

4.堆的插入和移除

堆元素的插入siftUp操作和移除siftDown操作。
比如在最小堆[1, 5, 8, 6, 10, 11, 20]中再插入一个元素4，下面用图示分析插入的过程：
插入之前的二叉树结构：

插入元素4首先放置在数组末尾，也就是二叉树的末尾：

插入元素4（索引为7），首先与其父类（元素为6,索引为3）比较大小，如果是最小堆则交换其与父类的位置，如果是最大堆则不用交换直接结束。我们这里是最小堆，4比6小，所以需要交换其与父类的位置：

交换后如上图所示，找到此时元素4（索引为3）的父类（元素为5，索引为1），比较两者的元素大小，4小于5，所以交换两者的位置：

交换后如上图所示，找到此时元素4（索引为1）的父类（元素为1，索引为0），比较两者的元素大小，4大于1，所以不需要交换。此时确定插入元素4的索引为1的位置。插入的二叉树如图所示：

插入后最小堆的数组形式：[1,4,8,5,10,11,20,6]

整个插入的过程就是一个不断循环比较的过程，通过比较插入元素与父节点元素的大小，最小堆则把较小的元素放置在父节点处，最大堆则把较大的元素放置在父节点处，直到确认插入元素的节点位置。可以看出，每插入一个元素都会对堆进行重排序，且每次排序都是二分排序，所以时间复杂度为logn。

在最大堆[20, 10, 15, 6, 9, 10, 12]中移除元素后，下面用图示分析重排的过程：
最大堆原始二叉树结构：

移除堆的根节点（元素值为20，索引为0）后，取二叉树的最后一个节点，即数组中的最后一个元素12（二叉树中索引为6）放入根节点位置：

需要对新二叉树进行重排序；首先获取根节点的左、右节点，然后比较其大小（最大堆找到较大的节点，最小堆找到较小的节点），我们这里是最大堆，所以比较左节点10和右节点15的大小，找到较大的右节点，并比较右节点（元素为15，索引为2）与根节点（元素为12，索引为0）的大小，把较大的元素放入根节点（最小堆是把较小的元素放入根节点）,交换后的二叉树图为：

重复上面的步骤，比较元素12（索引为2）与其左节点（元素为10，索引为5）的大小，把较大的元素放置在父节点上。最后的二叉树图为：

移除根节点后最大堆的数组形式：[15,10,12,6,9,10]

从堆中获取节点都是默认获取根节点，因为根节点是整个队列中最大或者最小的元素。获取后，需要对队列重排寻找新的根节点元素。重排的顺序跟新增后重排的顺序相反，它是从根节点往下重排，最大堆则把较大元素放置在父节点上，最小堆则把较小元素放置在父节点上；它的时间复杂度同样为logn。

5.DelayedWorkQueue

DelayedWorkQueue是基于堆结构的等待队列。

5.1 类的重要属性

// 数组的初始容量为16 设置为16的原因跟hashmap中数组容量为16的原因一样
private static final int INITIAL_CAPACITY = 16;
// 用于记录RunableScheduledFuture任务的数组
private RunnableScheduledFuture<?>[] queue =
            new RunnableScheduledFuture<?>[INITIAL_CAPACITY];
private final ReentrantLock lock = new ReentrantLock();
// 当前队列中任务数,即队列深度
private int size = 0;
// leader线程用于等待队列头部任务,
private Thread leader = null;
// 当线程成为leader时,通知其他线程等待
private final Condition available = lock.newCondition();

延迟队列是基于数组实现的，初始容量为16；获取延迟队列中头部节点的线程称为leader，说明leader线程是不断变化的，但leader线程在等待，则其他线程也会等待，直到leader线程获取根节点，且从等待线程中产生新的leader线程。

5.2 新增元素到DelayedWorkQueue

1) offer(Runnable)-新增元素

给外界提供一个插入元素的方法.

public boolean offer(Runnable x) {
   
    if (x == null)
        throw new NullPointerException();
	// 只能存放RunnableScheduledFuture任务
    RunnableScheduledFuture<?> e = (RunnableScheduledFuture<?>)x;
    // 为了保证队列的线程安全,offer()方法为线程安全方法
	final ReentrantLock lock = this.lock;
    lock.lock();
	try {