Java中的集合（四）PriorityQueue常用方法
PriorityQueue的基本概念等都在上一篇已说明，感兴趣的可以点击 Java中的集合（三）继承Collection的Queue接口 查看
这里主要以PriorityQueue的常用方法的学习
一、PriorityQueue的实现
从上图中给层序遍历编号，从中可以发现父子节点总有如下的关系：
通过上述三个公式，可以轻易计算出某个节点的父节点以及子节点的下标。这也就是为什么可以直接用数组来存储堆的原因。
PriorityQueue的peek()和element()操作是常数时间，add()、offer()、 无参数的remove()以及poll()方法的时间复杂度都是log(N)。
二、PriorityQueue常用的方法
三、常用方法剖析
（一）插入元素：add(E e)和offer(E e)
add（E e）和offer（E e）两者的语义是相同，都是往优先队列中插入元素，只是Queue接口规定了两者对插入失败时采取不同的处理方式。add（E e）方法插入元素失败时会抛出异常，offer（E e）插入元素失败时会返回false，对PriorityQueue而言，两者没有什么区别。
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
}
下面根据图解演示插入元素过程：
（二）、获取元素但不删除队列首元素：element()和peek()
element()和peek()的语义是相同的，都是获取元素但不删除队列首元素，也就是队列中权值最下的元素，只是Queue接口规定了两者删除元素失败时的不同处理方式，element()会抛出异常，peek()会返回null。根据小顶堆的特性，堆顶最上层的元素权值是最小的，由于是数组实现的，根据小标关系，小标0既是堆顶的元素，也是数组的第一个元素，所以直接返回下标为0的那个元素即可。
// PriorityQueue的peek()
public E peek() {
if (size == 0)
return null;
return (E) queue[0];//0下标处的那个元素就是最小的那个
} // AbstractQueue的element()，由于PriorityQueue继承自AbstractQueue，所以可以使用element()方法
public E element() {
E x = peek();
if (x != null)
return x;
else
throw new NoSuchElementException();
}
下面根据图解演示获取元素过程：
（三）、获取并删除队列首元素：remove()和poll()
element()和peek()的语义是相同的，都是获取元素并删除队列首元素，只是Queue接口规定了两者删除元素失败时的不同处理方式，remove()会抛出异常，poll()会返回null。由于删除会影响队列的结构，所以会通过siftDown()和siftUp()方法调整队列结构。
public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
E result = (E) queue[0];//0下标处的那个元素就是最小的那个
E x = (E) queue[s];
queue[s] = null;
if (s != 0)
siftDown(0, x);//调整
return result;
}
public E remove() {
E x = poll();
if (x != null)
return x;
else
throw new NoSuchElementException();
}
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
}
下面根据图解演示获取元素过程：
通过上述代码和图解可以看出：
1、首先记录0下标处的元素，并用最后一个元素替换0下标位置的元素，
2、调用siftDown()方法对堆进行调整，最后返回原来0下标处的那个元素（也就是最小的那个元素）。
重点是siftDown(int k，E e)方法，该方法的作用是从k指定的位置开始，将x逐层向下与当前点的左右孩子中较小的那个交换，直到x小于或等于左右孩子中的任何一个为止。
（四）、删除队列中的指定元素：remove(Object o)
remove(Object o)用于删除队列中的指定元素（如果队列中有多个相同元素，只删除一个），由于删除操作会改变队列结构，所以要进行调整；又由于删除元素的位置可能是任意的，所以调整过程比其它函数稍加繁琐。
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;
}
具体来说，remove(Object o)可以分为2种情况：
1. 删除的是最后一个元素。直接删除即可，不需要调整。
2. 删除的不是最后一个元素，从删除点开始以最后一个元素为参照调用siftDown()或siftUp()。
1. 删除的是最后一个元素。直接删除即可，不需要调整。
下面根据图解演示获取元素过程：
2. 删除的不是最后一个元素，从删除点开始以最后一个元素为参照调用siftDown()或siftUp()。
下面根据图解演示获取元素过程：
四、PriorityBlockingQueue
（一）、简介
PriorityBlockingQueue是一个支持优先级的*阻塞队列。默认情况下元素采用自然顺序升序排列。也可以自定义类实现compareTo()方法来指定元素排序规则，或者初始化PriorityBlockingQueue时，指定构造参数Comparator来对元素进行排序。但需要注意的是不能保证同优先级元素的顺序。
（二）、四种构造方法
（三）、定义属性、数据结构
（四）、以offer（E e）方法说明与PriorityQueue的不同
插入元素源码：
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
lock.lock();
int n, cap;
Object[] array;
while ((n = size) >= (cap = (array = queue).length))
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
if (cmp == null)
siftUpComparable(n, e, array);
else
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}
和PriorityQueue的实现基本一致区别就是在于加锁了，并发出了非空信号唤醒阻塞的获取线程。
通过tryGrow(Object[] array, int oldCap)扩容队列
private void tryGrow(Object[] array, int oldCap) {
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
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();
lock.lock();
if (newArray != null && queue == array) {
queue = newArray;
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}
从源码可以看出：为了更好的并发性，其先释放了全局锁，然后通过UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,0, 1))设置allocationSpinLockOffset来判断哪个线程获得扩容权限，如果没有获得权限，就放开CPU资源。后面扩容操作是通过简单的乐观锁allocationSpinLock来进行控制的。
（五）、小结
1、在多线程环境下，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。
2、由于和PriorityQueue都是继承自AbstractQueue，所以其它的操作过程都和PriorityQueue的类似，只是定义的方法都使用 ReentrantLock 锁来保持同步。
五、题外总结
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。