Java并发包源码学习系列阻塞队列实现源码解析
PriorityBlockingQueue概述
PriorityBlockingQueue是一个支持优先级的无界阻塞队列,基于数组的二叉堆,其实就是线程安全的PriorityQueue 。
指定排序规则有两种方式:传入PriorityBlockingQueue中的元素实现Comparable接口,自定义compareTo 方法。初始化PriorityBlockingQueue时,指定构造参数Comparator ,自定义compare 方法来对元素进行排序。
需要注意的是如果两个对象的优先级相同,此队列并不保证它们之间的顺序。
PriorityBlocking可以传入一个初始容量,其实也就是底层数组的最小容量,之后会使用tryGrow扩容。类图结构及重要字段
public class PriorityBlockingQueue extends AbstractQueue implements BlockingQueue, java.io.Serializable { private static final long serialVersionUID = 5595510919245408276L; /** * 默认的容量为 11 */ private static final int DEFAULT_INITIAL_CAPACITY = 11; /** * 数组的最大容量 */ private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; /** * 平衡二叉堆 实现 优先级队列, 底层用数组结构存储二叉堆 * 假设一个n为数组中的索引,数组是从索引0开始存储元素的,因此 * queue[n]的左儿子存在queue[2*n+1]位置,右儿子存在queue[2*(n+1)]位置 * * 根据比较器排序,如果没有指定比较器,则按照元素自然顺序排序。 * 默认是小根堆,第一个元素是堆中最小元素 * */ private transient Object[] queue; /** * 优先级队列中元素个数 */ private transient int size; /** * 比较器,如果按照自然序排序,那么此属性可设置为 null */ private transient Comparator<? super E> comparator; /** * 所有需要保证线程安全的操作都要先获取这把锁 */ private final ReentrantLock lock; /** * 队列空的时候,条件队列存放阻塞线程,为什么没有队列满呢?原因在于它是无界队列 */ private final Condition notEmpty; /** * 用于CAS操作,后面会看到,这个字段用于扩容时 */ private transient volatile int allocationSpinLock; /** * 只用于序列化和反序列化 */ private PriorityQueue q; } 什么是二叉堆
这边安利一个数据结构的可视化网站:数据结构可视化网站
二叉堆是完全二叉树,除了最后一层,其他节点都是满的,且最后一层节点从左到右排列,如下:
二叉堆分为大根堆和小根堆,一般来说都是小根堆,任意一个节点都小于它的左右子节点的值,根节点就是堆中的最小的值。
堆可以使用数组存储,数组的下标可以从0开始,也可以从1开始,各有好处,当然JDK中堆的实现是从0开始的哦。如果从索引为1的位置开始存储元素,第k个节点的左右子节点的下标:(2k, 2k + 1),父节点的坐标可以很容易求:floor(k / 2) ,floor表示下取整。如果从0开始,第k个节点的左右子节点的下标:(2k + 1, 2k + 2),父节点的坐标也可以很容易求:floor((k - 1) / 2) ,floor表示下取整。
我之前手写堆的时候,都是使用的第一种方式,我就提一嘴第一种的思路,使用第一种思路介绍一下小根堆的几个基本操作,之后我们会详细分析JDK中的实现,也就是第二种。 堆的基本操作
堆中最重要核心的两个操作便是如何将元素向上调整or向下调整。向上调整void up(int u)
以插入操作为例,二话不说,直接在数组末尾插上元素,接着再一一向上层比较,比较的原则的就是:我们只需要比较当前这个数是不是比它的父节点小,如果比它小,就进行交换,否则则停止交换。
思路非常简单,你可以思考一下其合理性:我们想,如果我们每次插入数据的时候,都做一次向上调整的操作,我们一定能够保证,每次都是在一个符合条件的二叉堆上插入数,对吧。那这样的话,本身就满足任何一个父节点必定比其子节点小的条件,如果待调整节点更小,那他必然也小于另一个子节点,由于我们一直迭代做,最后一定会满足条件。 // 向上调整 u 是当前的索引 private void up (int u) { // 如果发现当前的节点比父节点小 while (u / 2 > 0 && h[u / 2] > h[u]) { // 就和父节点交换一下 heap_swap(u / 2, u); u /= 2; } }
这边也给出插入一个元素x的伪代码: void insert(int x){ size ++; // 最后一个元素指针 heap[size] = x; // 赋值 up(size); // 向上调整 }
向下调整void down(int u)
为什么需要向下调整呢,以删除操作为例,我们知道,要在数组头部删除一个元素且保证后面元素的顺序是比较麻烦的,我们通常在遇到删除堆顶的时候,直接将数组的最后一个元素heap[size--]将heap[0]覆盖,接着执行down(0),自上而下地执行调整操作。
调整的规则也比较简单,其实就是判断当前元素和左右孩子的大小关系,和最小的那个交换,递归地去调整,直到无法交换为止。 // 向下调整 private void down (int u) { int t = u; if (u * 2 <= size && h[u * 2] < h[t]) t = u * 2; // 判断左儿子是否存在, 且如果左儿子比它小,就更新坐标 if (u * 2 + 1 <= size && h[u * 2 + 1] < h[t]) t = u * 2 + 1; // 同理 if (u != t) { // 如果需要交换 heap_swap(u, t);// 交换一下 down(t); // 继续做这个操作 } }
这边给出删除小根堆中的最小值的伪代码: int poll(){ int res = heap[1]; // 堆顶是最小值 heap[1] = heap[size--]; // 直接将最后一个元素覆盖堆顶,并size-1 down(1); // 执行向下调整 return res; }
我们希望删除第k个元素或者更新第k个元素都是比较简便的:// 删除位置为k的元素 void removeAt(int k){ heap[k] = heap[size --]; // 分别做一次向下操作和向上操作,其中一个判断必定只会执行一次 down(k); up(k); } // 更新位置为k的元素为x void updateAt(int k, int x){ heap[k] = x; down(k); up(k); }
到这里,我就用简略代码简单地介绍了二叉堆的核心操作,我们待会会看到其实源码的思想不变,但是考虑的东西会更多一些,如果到这里你能够完全明白,源码的实现其实也就不难啦。构造器 // 使用默认的容量11 public PriorityBlockingQueue() { this(DEFAULT_INITIAL_CAPACITY, null); } // 指定容量大小 public PriorityBlockingQueue(int initialCapacity) { this(initialCapacity, null); } // 指定容量和比较器 public PriorityBlockingQueue(int initialCapacity, Comparator<? super E> comparator) { if (initialCapacity < 1) throw new IllegalArgumentException(); this.lock = new ReentrantLock(); this.notEmpty = lock.newCondition(); this.comparator = comparator; this.queue = new Object[initialCapacity]; } // 传入集合 public PriorityBlockingQueue(Collection<? extends E> c) { this.lock = new ReentrantLock(); this.notEmpty = lock.newCondition(); boolean heapify = true; // true if not known to be in heap order boolean screen = true; // true if must screen for nulls if (c instanceof SortedSet<?>) { SortedSet<? extends E> ss = (SortedSet<? extends E>) c; this.comparator = (Comparator<? super E>) ss.comparator(); heapify = false; } else if (c instanceof PriorityBlockingQueue<?>) { PriorityBlockingQueue<? extends E> pq = (PriorityBlockingQueue<? extends E>) c; this.comparator = (Comparator<? super E>) pq.comparator(); screen = false; if (pq.getClass() == PriorityBlockingQueue.class) // exact match heapify = false; } Object[] a = c.toArray(); int n = a.length; // If c.toArray incorrectly doesn"t return Object[], copy it. if (a.getClass() != Object[].class) a = Arrays.copyOf(a, n, Object[].class); if (screen && (n == 1 || this.comparator != null)) { for (int i = 0; i < n; ++i) if (a[i] == null) throw new NullPointerException(); } this.queue = a; this.size = n; // 需要堆化,后面说明该方法 if (heapify) heapify(); }
接下来我将会把一些核心组件方法都拎出来分析一下,他们很有可能会在后面的操作方法中被频繁调用,所以接下来很重要哦。 扩容方法tryGrow
我们说了,PriorityBlockingQueue是无界的队列,传入的capacity也不是最终的容量,它和我们之前学习的许多集合一样,有动态扩容的机制,我们先来瞅一瞅: private void tryGrow(Object[] array, int oldCap) { // 释放锁的操作 lock.unlock(); // must release and then re-acquire main lock Object[] newArray = null; // CAS 操作将allocationSpinLock变为1, 如果已经是1了,就跳到下面 if (allocationSpinLock == 0 && UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset, 0, 1)) { try { // 节点个数<64 new = old + old + 2 // 节点个数>=64 new = old + old / 2 int newCap = oldCap + ((oldCap < 64) ? (oldCap + 2) : // 希望节点数较小的时候,增长快一点 (oldCap >> 1)); // 扩容之后越界了 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; } //queue != array 的情况 其他线程已经为queue分配了其他的空间 if (newCap > oldCap && queue == array) // 分配一个加大容量的数组 newArray = new Object[newCap]; } finally { allocationSpinLock = 0; } } // 可能是其他线程在进行扩容操作 if (newArray == null) // back off if another thread is allocating Thread.yield(); // 重新获取锁 lock.lock(); // 复制元素 if (newArray != null && queue == array) { queue = newArray; System.arraycopy(array, 0, newArray, 0, oldCap); } }
可以发现的是,在动态扩容之前,将lock释放,表明这个方法一定是在获取锁之后才被调用的。为啥在扩容之前先释放锁,并使用CAS控制只有一个线程可以扩容成功呢?
扩容是需要时间的,如果在整个扩容期间一直持有锁的话,其他线程在这时是不能进行出队和入队操作的,这大大降低了并发性能。
spinlock锁使用CAS控制只有一个线程可以进行扩容,失败的线程执行 Thread.yield() 让出CPU,目的是让扩容的线程优先调用lock.lock()优先获取锁,但是这得不到保证,因此需要后面的判断。
另外自旋锁变量allocationSpinLock在扩容结束后重置为0,并没有使用UNSAFE方法的CAS进行设置是因为:
同时只可能有一个线程获取到该锁。allocationSpinLock是volatile修饰。 源码中向上调整和向下调整实现
准确地说,源码中应该是调整 + 插入 ,不断调整,找到插入的位置,给该位置赋值。但,如果你理解了前面的调整思想,相信你会很快理解源码中的实现。siftUpComparable
将x插入到堆中,注意这里是不断和父节点比较,最终找到插入位置。// 将x插入到堆中,注意这里是不断和父节点比较,最终找到插入位置 private static void siftUpComparable(int k, T x, Object[] array) { // 如果不传入Comparable的实现,这里会强转失败,抛出异常 Comparable<? super T> key = (Comparable<? super T>) x; while (k > 0) { //a[k]的父节点位置 int parent = (k - 1) >>> 1; Object e = array[parent]; // 如果比父节点大就不用交换了 if (key.compareTo((T) e) >= 0) break; // 将父元素移下来 array[k] = e; // k向上移 k = parent; } // 退出循环后,k的位置就是待插入的位置 array[k] = key; } siftDownComparable
移除k位置的元素,并调整二叉堆,具体思想就是,一般通过向下调整找到覆盖位置,用x覆盖即可,x一般可以从队尾获取。 // 这里的k就是当前空缺的位置,x就是覆盖元素比如我们之前说的队尾元素 private static void siftDownComparable(int k, T x, Object[] array, int n) { if (n > 0) { Comparable<? super T> key = (Comparable<? super T>)x; // 二叉堆有一个性质,最后一层叶子最多 占 1 / 2 int half = n >>> 1; // loop while a non-leaf // 循环非叶子节点 while (k < half) { // 左孩子 int child = (k << 1) + 1; // assume left child is least Object c = array[child]; // 右孩子 int right = child + 1; // 始终用左孩子c表示最小的数 if (right < n && ((Comparable<? super T>) c).compareTo((T) array[right]) > 0) // 这里如果右孩子小,更新child = right c = array[child = right]; // 如果当前的k比左孩子还要小,那就不必交换了,待在那正好! if (key.compareTo((T) c) <= 0) break; // 小的数向上移,k向下更新 array[k] = c; k = child; } // 退出循环时,一定找到了x覆盖的位置,覆盖即可 array[k] = key; } }
你看看,理解了调整的思想之后,看起代码来是不是就相对轻松很多啦?heapify建堆or堆化
heapify方法可以使节点任意放置的二叉树,在O(N)的时间复杂度内转变为二叉堆,具体做法是,从最后一层非叶子节点自底向上执行down操作。
private void heapify() { Object[] array = queue; int n = size; int half = (n >>> 1) - 1; // 最后一层非叶子层 // 两种排序规则下, 自底向上 地执行 siftdown操作 Comparator<? super E> cmp = comparator; if (cmp == null) { for (int i = half; i >= 0; i--) siftDownComparable(i, (E) array[i], array, n); } else { for (int i = half; i >= 0; i--) siftDownUsingComparator(i, (E) array[i], array, n, cmp); } } put非阻塞式插入
put方法是非阻塞的,但是操作时需要获取独占锁,如果插入元素后超过了当前的容量,会调用tryGrow 进行动态扩容,接着从插入元素位置进行向上调整,插入成功后,唤醒正在阻塞的读线程。 public void put(E e) { offer(e); // 无界队列,插入操作不需要阻塞哦 } public boolean offer(E e) { if (e == null) throw new NullPointerException(); final ReentrantLock lock = this.lock; lock.lock(); int n, cap; Object[] array; // 当前队列中的元素个数 >= 数组的容量 while ((n = size) >= (cap = (array = queue).length)) // 动态扩容 tryGrow(array, cap); try { Comparator<? super E> cmp = comparator; // 下面这个if else根据是否传入比较器选择对应的方法,大差不差 if (cmp == null) siftUpComparable(n, e, array); else siftUpUsingComparator(n, e, array, cmp); size = n + 1; // 唤醒正在阻塞的读线程 notEmpty.signal(); } finally { lock.unlock(); } return true; } take阻塞式获取
take方法是阻塞式的,如果队列为空,则当前线程阻塞在notEmpty维护的条件队列中。 public E take() throws InterruptedException { final ReentrantLock lock = this.lock; // 获取锁 lock.lockInterruptibly(); E result; try { // 出队 while ( (result = dequeue()) == null) notEmpty.await(); } finally { lock.unlock(); } return result; } // 出队逻辑 private E dequeue() { int n = size - 1; if (n < 0) return null; else { Object[] array = queue; // 保存队头的值,也就是返回这个值 E result = (E) array[0]; // 准备将队尾的值 覆盖第一个 E x = (E) array[n]; array[n] = null; Comparator<? super E> cmp = comparator; if (cmp == null) siftDownComparable(0, x, array, n); else siftDownUsingComparator(0, x, array, n, cmp); size = n; return result; } } remove移除指定元素 public boolean remove(Object o) { final ReentrantLock lock = this.lock; lock.lock(); try { // 找到匹配元素下标 int i = indexOf(o); if (i == -1) return false; // 移除该下标的元素 removeAt(i); return true; } finally { lock.unlock(); } } // 遍历底层数组, 找到匹配元素的下标 private int indexOf(Object o) { if (o != null) { Object[] array = queue; int n = size; for (int i = 0; i < n; i++) if (o.equals(array[i])) return i; } return -1; } // 移除下标为i的元素 private void removeAt(int i) { Object[] array = queue; int n = size - 1; if (n == i) // removed last element array[i] = null; else { // 老套路了,让队尾的元素覆盖这里 E moved = (E) array[n]; array[n] = null; Comparator<? super E> cmp = comparator; // 向下调整 if (cmp == null) siftDownComparable(i, moved, array, n); else siftDownUsingComparator(i, moved, array, n, cmp); // 向下调整没成功,向上调整 if (array[i] == moved) { if (cmp == null) siftUpComparable(i, moved, array); else siftUpUsingComparator(i, moved, array, cmp); } // 这也是惯用做法,上下分别做一次调整 } size = n; } 总结
PriorityBlockingQueue是一个支持优先级的无界阻塞队列,基于数组的二叉堆,其实就是线程安全的PriorityQueue 。
内部使用一个独占锁来同时控制只有一个线程执行入队和出队操作,只是用notEmpty条件变量来控制读线程的阻塞,因为无界队列中入队操作是不会阻塞的。
指定排序规则有两种方式:传入PriorityBlockingQueue中的元素实现Comparable接口,自定义compareTo 方法。初始化PriorityBlockingQueue时,指定构造参数Comparator ,自定义compare 方法来对元素进行排序。
底层数组是可动态扩容的:先释放锁,保证扩容操作和读操作可以同时进行,提高吞吐量,接着通过CAS自旋保证扩容操作的并发安全,如果原容量为old_c,扩容后容量为new_c,满足:if (old_c < 64) new_c = 2 * old_c + 2 else new_c = 1.5 * old_c
heapify方法可以使节点任意放置的二叉树,在O(N)的时间复杂度内转变为二叉堆,具体做法是,从最后一层非叶子节点自底向上执行down操作。
俄罗斯军方在谈判桌上嘲笑土耳其,大家对此如何看待?最近各大网络平台都能看到一则新闻,让我们吃瓜群众看后都觉得会笑出声的新闻,那就是俄罗斯国防部长绍伊古,总参谋长格拉西莫夫大将,在与土耳其军方代表谈判桌上的一张嘲笑照片而火爆全网,由
外卖平台的局,把千万骑手的责任拖累甩了出去当前一篇文章说中国互联网巨头只知道捞钱的时候,有粉丝反对,说了下面的话我觉得说的挺有道理,但是转念一想,当有人为你送外卖的时候,有人给你开车的时候,可曾想过这些人连基本的权益都没有
中山大学决定强制清算管理学院院楼,荒谬言论引起校友反对之声事情起因经过最近,华南第一学府中山大学有点不太平。3月31日,一张由中山大学总务处发出来的通知在网上流传。由于第二天是四月一日,很多人以为这是愚人节玩笑并未在意,消息出来之后并未引
花粉们的福利来了,华为手机内存升级进行时对于相当数量的华为老用户来说,一年换一台最新机型是不现实的。尤其是由于制裁影响,华为旗舰机型价格不断创新高,持续坚挺,打破了原来的降价周期。我相信,像笔者一样坚持用mate9的用户
iPhone手机壳指南苹果配件的丰富程度一直都是出彩的,从iPhone,iPad和AppleWatch的多彩颜色配件开始,苹果在颜色调教上的功力愈发深厚,也创造了很多颜色的命名。现在主要讲述一下官网三个
深入解析什么是磁盘阵列技术?常用的磁盘阵列有哪几种?对于磁盘阵列很多不知道它是干什么的,有时候会听别人说把硬件组成一个Raid,这个Raid又是个啥?它和磁盘阵列是一回事吗?部分似懂非懂朋友可能又会问磁盘阵列常用到的是哪里几种呢?为
索尼ZX505体验放下手机的理由索尼Walkman40周年更新了一系列产品,其中就包括ZX系列。与A100系列一样,ZX系列最为显性的改变在于更新了Android底层的系统,再也不止之前简单的嵌入式界面。时间已经
TCL说,老子要用这个技术,冲到全球第一8月26日下午14点30分,TCL在深圳自家园区的天穹剧场举办了看见,更有远见TCLMiniLED战略发布会。注意到了吗?战略发布会,不少人应该都会聚焦于新品,但实际上重点在战略。
快速回顾AMD的发展史,看看你都用过哪些AMD的处理器AMD源于1969年,起初只是一个很小的做芯片的公司,但它一直不断的发展和进化,如今已成为Intel最激烈的竞争对手,今天带领大家一起回顾一下AMD的产品自1975年至2019年的
电竞显示器如何去选?只需看好这五点就行了要想高体验玩游戏了除了要有性能强悍的CPU和显卡外,显示器也不能马虎,一块专业的电竞显示器可以大幅改善玩家的游戏体验,选择一块适合自己的电竞显示器至关重要。关于电竞显示器怎么选,亿
教你如何在MSDN上下载纯净版的各种windows系统百度搜索系统下载一搜一大把,但基本上都是Ghost版本的,那都是后期处理过的,里面不知道给捆绑了多少软件,我们要用系统尽量还是用纯净版的也就是官方版的,可问题来了,哪里能下载纯净版