PriorityBlockingQueue 1.8 源码解析
[TOC]
PriorityBlockingQueue 1.8 源码解析
一，简介
PriorityBlockingQueue 是一个支持优先级的×××阻塞队列，数据结构采用的是 最小堆 是通过一个数组实现的，队列默认采用自然排序的升序排序，如果需要自定义排序，需要在构造队列时指定Comparetor比较器，队列也是使用ReentrantLock锁来实现的同步机制。
二，UML图
三，基本成员
// 数组的最大容量 2^31 - 8
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
// 二叉堆数组
private transient Object[] queue;
// 总数
private transient int size;
// /默认比较器
private transient Comparator<? super E> comparator;
// 锁
private final ReentrantLock lock;
// 为空队列
private final Condition notEmpty;
// 自旋锁，在数组扩容时使用
private transient volatile int allocationSpinLock;
注意：这里解释下这个Integer.MAX_VALUE - 8，为什么数组的最大长度是这么多了，这其实和int的最大值有关，最大值就是(1 << 32) -1 ,大家有没有发现数组的长度类型是int，为什么是int了？？？我也不知道，我也试了其它数据类型发现数组的长度必须是int类型，哈哈，所以也可以理解为什么是最大值了，至于为什么要减八了，是因为创建数组本身的信息（对象头，class信息啊）也是需要存储空间的，所以需要这8位的空间。
四，常用方法
入队方法
add 方法
public boolean add(E e) {
return offer(e);
}
put 方法
由于是×××队列所以put方法不会阻塞，也是直接调用了offer方法.
public void put(E e) {
offer(e); // never need to block
}
offer 带超时方法
public boolean offer(E e, long timeout, TimeUnit unit) {
return offer(e); // never need to block
}
offer 方法
// 添加元素
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
lock.lock();
int n, cap;
Object[] array;
// size大于等于数组的长度
while ((n = size) >= (cap = (array = queue).length))
// 扩容
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
if (cmp == null) // 默认排序
siftUpComparable(n, e, array);
else // 自定义排序
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}
这里我们主要分析下offer方法里面的两个重要方法，扩容和入队，tryGrow，siftUpComparable方法。
tryGrow 方法
// 扩容方法
private void tryGrow(Object[] array, int oldCap) {
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
// 只允许一个线程去扩容
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
// oldCap小于64 就加2 ，小于等于64就扩容50%
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
// 不可以超过MAX_ARRAY_SIZE
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;
}
if (newCap > oldCap && queue == array)
newArray = new Object[newCap];
} finally {
allocationSpinLock = 0;
}
}
if (newArray == null) // back off if another thread is allocating
Thread.yield(); // 扩容获取锁失败的线程，尽量让出cpu
lock.lock(); // 重新获取锁
if (newArray != null && queue == array) {
queue = newArray;
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}
分析扩容：
- lock.unlock()第一行为什么就要释放锁了，因为我们在入队之前就获取到了锁，如果我们不释放，那么别的线程无法入队也无法出队，这就大大降低了并发性，释放锁，别的线程就可以进行入队或者出队操作。
- allocationSpinLock 这里为什么要用这样一个锁了，其实和我们第一行的释放锁有关系，我们在扩容时释放了锁，那就代表了其它线程也可以入队，但是队列满了，也需要扩容，所以这个锁就是为了让扩容只有一个线程来操作。
- 在获取了allocationSpinLock 锁的线程在扩容中，我们发现其实只是创建了一个新的数组，并没有数据的迁移啥的，这是为什么了？？？后面再解释。
- newArray == null ，其实就是别的线程来争夺扩容失败，然后尽量让出执行权（Thread.yield，线程从运行中变成就绪状态），让获取锁的线程去执行，但不是一定的，我们可以模拟一种可能，假设没有让出执行权，然后下一步获取到了锁。这时这个线程看见的newArray可能是null，所以就继续走offer方法的while ((n = size) >= (cap = (array = queue).length))循环，直到扩容线程完成对newArray 的改变。
- lock.lock() 因为我们在扩容前释放了锁，允许别的线程对数组的操作，所以获取锁的一方面目的是为了控制只有一个线程对数组进行操作，第二个目的其实就是保证数组的可见性，别的线程可能在扩容期间执行了出队操作，保证下面数组的拷贝是准确的数据。
siftUpComparable 方法
最小堆的构建
// 保证了每条链的顺序小到大
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;
}
分析：
先得解释下(k - 1) >>> 1，就是求的商，我们来模拟插入五个数吧，默认容量是11.
-
第一次插入一个1,此时的k是0，x是1，k不大于0，直接插入。
索引 0 值 1 -
第二次我们插入一个0，此时的k是1，x是0，parent是0，然后获取0位置索引的值和现在的比较，现在其实是不大于0的，所以此时交换了位置，array[k] = e; k = parent;parent是0，所以结束循环然后在0的位置设置当前x是1。
索引 0 1 值 0 1 -
第三次我们插入一个5，此时的k是2，x是5，parent 是0，然后获取0位置的值和插入值标记，发现是大于0的所以直接插入，在2的位置插入5。
索引 0 1 2 值 0 1 5 -
第四次我们插入一个4，此时的k是3，x是4，parent是1，然后获取1位置的值和插入值比较，发现是大于0的，所以直接插入在3的位置插入。
索引 0 1 2 3 值 0 1 5 4 -
第五次我们插入一个3，此时的k是4，x是3，parent是1，然后获取1位置值和插入值做比较，发现大于0的，所以直接在4的位置插入。
索引 0 1 2 3 4 值 0 1 5 4 3
我们用一个图来描绘下这个数组，怎么出现的这个图了，我们发现每次插入的数的索引就是数组的长度，然后通过（i - 1）>>> 2 = n求父节点，通过比较和父节点比较确认自己的位置，左右子节点其实就是2n+1,2n+2,左右子节点就是数组的相邻元素，我们发现子节点一定比父节点大，这就是最小堆；每次插入一个元素都是从最底层向上冒泡，维护最小堆的次序。
出队方法
poll 方法
调用了 dequeue方法。
public E poll() {
final ReentrantLock lock = this.lock;
lock.lock();
try {
// 弹出根节点
return dequeue();
} finally {
lock.unlock();
}
}
// 带超时时间
public E poll(long timeout, TimeUnit unit) throws InterruptedException {
long nanos = unit.toNanos(timeout);
final ReentrantLock lock = this.lock;
lock.lockInterruptibly();
E result;
try {
while ( (result = dequeue()) == null && nanos > 0)
nanos = notEmpty.awaitNanos(nanos);
} finally {
lock.unlock();
}
return result;
}
take 方法
也是调用了dequeue方法，这个方法支持线程的中断。
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;
}
dequeue 方法
private E dequeue() {
int n = size - 1;
// 队列还没有初始化
if (n < 0)
return null;
else {
Object[] array = queue;
// 获取根节点
E result = (E) array[0];
// 获取尾节点
E x = (E) array[n];
// 尾节点置位null
array[n] = null;
Comparator<? super E> cmp = comparator;
// 重新排序最小堆
if (cmp == null)
siftDownComparable(0, x, array, n);
else
siftDownUsingComparator(0, x, array, n, cmp);
size = n;
return result;
}
}
其实上面就是返回了根节点，然后获取尾节点放在根节点的位置调整最小堆请看siftDownComparable方法。
siftDownComparable 方法
private static <T> void siftDownComparable(int k, T x, Object[] array,
int n) {
// n是数组的最大索引 k开始是0 x就是尾节点的值
if (n > 0) {
// x是最后一个节点的值
Comparable<? super T> key = (Comparable<? super T>)x;
int half = n >>> 1; // 最后一个节点的父节点 // loop while a non-leaf
while (k < half) { // k是头节点 k> 了 说明到最后了
int child = (k << 1) + 1; // assume left child is least // 左子节点
Object c = array[child]; // 左节点的值
int right = child + 1; // 右子节点
if (right < n && // 左子节点大于由子节点
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right]; // c就是右子节点
if (key.compareTo((T) c) <= 0) // 找到了子节点比自己大的
break;
array[k] = c;
k = child;
}
array[k] = key;
}
}
分析：
我们上图的5个元素为例，进行一次出队操作。
- 弹出根节点0，然后调整最小堆。
-
我们调用siftDownComparable 方法调整最小堆，我们看下参数，此时的k是0，x是3，array就是这个数组，n就是4，key就是3，然后算half( half可以理解为堆中父节点最大索引位置，找到这个节点说明已经没有子节点了 )，half = 2。
- 第一次，从0开始，此时的child是1，c=1，right是2，c>arrray[right],不大于，此时的key小于c不小于，所以此时0的位置就变成了1（array[k] = c），k = child。
- 第二次，从1开始，此时的child是3，c是4，right是4，左边大于右边所以，c=array[child=right ] = 3,所以此时的child 是4，c是3，由于key <= c，所以借宿循环，直接在1的位置设置c,调整结束。
说下调整最小堆的过程，其实就是从根节点开始，重新构建父节点的过程，不过不是每个都需要重新构建，只需要构造子节点小的那边的的父节点，因为小的节点都去顶替原来的父节点了；我们弹出的是根节点，所以要从他的左右子节点找个根节点（但是要满足子节点大于父节点的规则），那么左右子节点有一个去当父节点了，它的位置也需要有节点代替，所以又从他的子节点开始找接替的节点，以此类推，直到找到最后一个父节点的位置。
size 方法
使用了锁，这个是精确的值。
public int size() {
final ReentrantLock lock = this.lock;
lock.lock();
try {
return size;
} finally {
lock.unlock();
}
}
五，总结
PriorityBlockingQueue 是一个wujie的队列，使用put方法不会阻塞，使用时一定要注意内存溢出的问题；整个队列的出队和入队都是通过最小堆来实现的，理解最小堆是这个队列的关键；这个一个优先级的队列，适合有优先级的场景。
参考《Java 并发编程的艺术》
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
