queue double java_java集合——Queue

Queue接口定义了队列数据结构，元素是有序的(按插入顺序)，先进先出。Queue接口相关的部分UML类图如下：

DeQueue

DeQueue(Double-ended queue)为接口，继承了Queue接口，创建双向队列，灵活性更强，可以前向或后向迭代，在队头队尾均可心插入或删除元素。它的两个主要实现类是ArrayDeque和LinkedList。

ArrayDeque (底层使用循环数组实现双向队列)

1.1 创建

public ArrayDeque() {

// 默认容量为16

elements = new Object[16];

}

public ArrayDeque(int numElements) {

// 指定容量的构造函数

allocateElements(numElements);

}

private void allocateElements(int numElements) {

int initialCapacity = MIN_INITIAL_CAPACITY;// 最小容量为8

// Find the best power of two to hold elements.

// Tests "<=" because arrays aren't kept full.

// 如果要分配的容量大于等于8，扩大成2的幂(是为了维护头、尾下标值)；否则使用最小容量8

if (numElements >= initialCapacity) {

initialCapacity = numElements;

initialCapacity |= (initialCapacity >>> 1);

initialCapacity |= (initialCapacity >>> 2);

initialCapacity |= (initialCapacity >>> 4);

initialCapacity |= (initialCapacity >>> 8);

initialCapacity |= (initialCapacity >>> 16);

initialCapacity++;

if (initialCapacity < 0) // Too many elements, must back off

initialCapacity >>>= 1;// Good luck allocating 2 ^ 30 elements

}

elements = new Object[initialCapacity];

}

1.2 add操作

add(E e) 调用 addLast(E e) 方法：

public void addLast(E e) {

if (e == null)

throw new NullPointerException("e == null");

elements[tail] = e; // 根据尾索引，添加到尾端

// 尾索引+1，并与数组(length - 1)进行取‘&’运算，因为length是2的幂，所以(length-1)转换为2进制全是1，

// 所以如果尾索引值 tail 小于等于(length - 1)，那么‘&’运算后仍为 tail 本身；如果刚好比(length - 1)大1时，

// ‘&’运算后 tail 便为0(即回到了数组初始位置)。正是通过与(length - 1)进行取‘&’运算来实现数组的双向循环。

// 如果尾索引和头索引重合了，说明数组满了，进行扩容。

if ((tail = (tail + 1) & (elements.length - 1)) == head)

doubleCapacity();// 扩容为原来的2倍

}

addFirst(E e) 的实现：

public void addFirst(E e) {

if (e == null)

throw new NullPointerException("e == null");

// 此处如果head为0，则-1(1111 1111 1111 1111 1111 1111 1111 1111)与(length - 1)进行取‘&’运算，结果必然是(length - 1)，即回到了数组的尾部。

elements[head = (head - 1) & (elements.length - 1)] = e;

// 如果尾索引和头索引重合了，说明数组满了，进行扩容

if (head == tail)

doubleCapacity();

}

1.3 remove操作

remove()方法最终都会调对应的poll()方法：

public E poll() {

return pollFirst();

}

public E pollFirst() {

int h = head;

@SuppressWarnings("unchecked") E result = (E) elements[h];

// Element is null if deque empty

if (result == null)

return null;

elements[h] = null; // Must null out slot

// 头索引 + 1

head = (h + 1) & (elements.length - 1);

return result;

}

public E pollLast() {

// 尾索引 - 1

int t = (tail - 1) & (elements.length - 1);

@SuppressWarnings("unchecked") E result = (E) elements[t];

if (result == null)

return null;

elements[t] = null;

tail = t;

return result;

}

PriorityQueue(底层用数组实现堆的结构)

优先队列跟普通的队列不一样，普通队列是一种遵循FIFO规则的队列，拿数据的时候按照加入队列的顺序拿取。 而优先队列每次拿数据的时候都会拿出优先级最高的数据。

优先队列内部维护着一个堆，每次取数据的时候都从堆顶拿数据(堆顶的优先级最高)，这就是优先队列的原理。

2.1 add，添加方法

public boolean add(E e) {

return offer(e); // add方法内部调用offer方法

}

public boolean offer(E e) {

if (e == null) // 元素为空的话，抛出NullPointerException异常

throw new NullPointerException();

modCount++;

int i = size;

if (i >= queue.length) // 如果当前用堆表示的数组已经满了，调用grow方法扩容

grow(i + 1); // 扩容

size = i + 1; // 元素个数+1

if (i == 0) // 堆还没有元素的情况

queue[0] = e; // 直接给堆顶赋值元素

else // 堆中已有元素的情况

siftUp(i, e); // 重新调整堆，从下往上调整，因为新增元素是加到最后一个叶子节点

return true;

}

private void siftUp(int k, E x) {

if (comparator != null) // 比较器存在的情况下

siftUpUsingComparator(k, x); // 使用比较器调整

else // 比较器不存在的情况下

siftUpComparable(k, x); // 使用元素自身的比较器调整

}

private void siftUpUsingComparator(int k, E x) {

while (k > 0) { // 一直循环直到父节点还存在

int parent = (k - 1) >>> 1; // 找到父节点索引，等同于(k - 1)/ 2

Object e = queue[parent]; // 获得父节点元素

// 新元素与父元素进行比较，如果满足比较器结果，直接跳出，否则进行调整

if (comparator.compare(x, (E) e) >= 0)

break;

queue[k] = e; // 进行调整，新位置的元素变成了父元素

k = parent; // 新位置索引变成父元素索引，进行递归操作

}

queue[k] = x; // 新添加的元素添加到堆中

}

2.2 poll，出队方法

public E poll() {

if (size == 0)

return null;

int s = --size; // 元素个数-1

modCount++;

E result = (E) queue[0]; // 得到堆顶元素

E x = (E) queue[s]; // 最后一个叶子节点

queue[s] = null; // 最后1个叶子节点置空

if (s != 0)

siftDown(0, x); // 从上往下调整，因为删除元素是删除堆顶的元素

return result;

}

private void siftDown(int k, E x) {

if (comparator != null) // 比较器存在的情况下

siftDownUsingComparator(k, x); // 使用比较器调整

else // 比较器不存在的情况下

siftDownComparable(k, x); // 使用元素自身的比较器调整

}

private void siftDownUsingComparator(int k, E x) {

int half = size >>> 1; // 只需循环节点个数的一般即可

while (k < half) {

int child = (k << 1) + 1; // 得到父节点的左子节点索引，即(k * 2)+ 1

Object c = queue[child]; // 得到左子元素

int right = child + 1; // 得到父节点的右子节点索引

if (right < size &&

comparator.compare((E) c, (E) queue[right]) > 0) // 左子节点跟右子节点比较，取更大的值

c = queue[child = right];

if (comparator.compare(x, (E) c) <= 0) // 然后这个更大的值跟最后一个叶子节点比较

break;

queue[k] = c; // 新位置使用更大的值

k = child; // 新位置索引变成子元素索引，进行递归操作

}

queue[k] = x; // 最后一个叶子节点添加到合适的位置

}

2.3 remove，删除队列元素

public boolean remove(Object o) {

int i = indexOf(o); // 找到数据对应的索引

if (i == -1) // 不存在的话返回false

return false;

else { // 存在的话调用removeAt方法，返回true

removeAt(i);

return true;

}

}

private E removeAt(int i) {

modCount++;

int s = --size; // 元素个数-1

if (s == i) // 如果是删除最后一个叶子节点

queue[i] = null; // 直接置空，删除即可，堆还是保持特质，不需要调整

else { // 如果是删除的不是最后一个叶子节点

E moved = (E) queue[s]; // 获得最后1个叶子节点元素

queue[s] = null; // 最后1个叶子节点置空

siftDown(i, moved); // 从上往下调整

if (queue[i] == moved) { // 如果从上往下调整完毕之后发现元素位置没变，从下往上调整

siftUp(i, moved); // 从下往上调整

if (queue[i] != moved)

return moved;

}

}

return null;

}

先执行 siftDown() 下滤过程：

再执行 siftUp() 上滤过程：

2.4 总结和同步的问题

1、jdk内置的优先队列PriorityQueue内部使用一个堆维护数据，每当有数据add进来或者poll出去的时候会对堆做从下往上的调整和从上往下的调整。

2、PriorityQueue不是一个线程安全的类，如果要在多线程环境下使用，可以使用 PriorityBlockingQueue 这个优先阻塞队列。其中add、poll、remove方法都使用 ReentrantLock 锁来保持同步，take() 方法中如果元素为空，则会一直保持阻塞。