阻塞队列—PriorityBlockingQueue源码分析-编程学习网

前言

PriorityBlockingQueue 优先级队列，线程安全(添加、读取都进行了加锁)、无界、读阻塞的队列，底层采用的堆结构实现(二叉树)，默认是小根堆，最小的或者最大的元素会一直置顶，每次获取都取最顶端的数据

队列创建

小根堆

PriorityBlockingQueue<Integer> concurrentLinkedQueue = new PriorityBlockingQueue<Integer>();

大根堆

PriorityBlockingQueue<Integer> concurrentLinkedQueue = new PriorityBlockingQueue<Integer>(10, new Comparator<Integer>() { 
 @Override 
 public int compare(Integer o1, Integer o2) { 
  return o2 - o1; 
 } 
});

应用场景

有任务要执行，可以对任务加一个优先级的权重，这样队列会识别出来，对该任务优先进行出队。

我们来看一个具体例子，例子中定义了一个将要放入“优先阻塞队列”的任务类，并且定义了一个任务工场类和一个任务执行类，在任务工场类中产生了各种不同优先级的任务，将其添加到队列中，在任务执行类中，任务被一个个取出并执行。

package com.niuh.queue.priority; 
 
import java.util.ArrayList; 
import java.util.List; 
import java.util.Queue; 
import java.util.Random; 
import java.util.concurrent.ExecutorService; 
import java.util.concurrent.Executors; 
import java.util.concurrent.PriorityBlockingQueue; 
import java.util.concurrent.TimeUnit; 
 
 
public class PriorityBlockingQueueDemo { 
 
    public static void main(String[] args) throws Exception { 
        Random random = new Random(47); 
        ExecutorService exec = Executors.newCachedThreadPool(); 
        PriorityBlockingQueue queue = new PriorityBlockingQueue<>(); 
        exec.execute(new PrioritizedTaskProducer(queue, exec)); // 这里需要注意，往PriorityBlockingQueue中添加任务和取出任务的 
        exec.execute(new PrioritizedTaskConsumer(queue)); // 步骤是同时进行的，因而输出结果并不一定是有序的 
    } 
} 
 
class PrioritizedTask implements Runnable, Comparable { 
    private Random random = new Random(47); 
    private static int counter = 0; 
    private final int id = counter++; 
    private final int priority; 
 
    protected static List sequence = new ArrayList<>(); 
 
    public PrioritizedTask(int priority) { 
        this.priority = priority; 
        sequence.add(this); 
    } 
 
    @Override 
    public int compareTo(PrioritizedTask o) { 
        return priority < o.priority ? 1 : (priority > o.priority ? -1 : 0);  // 定义优先级计算方式 
    } 
 
    @Override 
    public void run() { 
        try { 
            TimeUnit.MILLISECONDS.sleep(random.nextInt(250)); 
        } catch (InterruptedException e) { 
        } 
        System.out.println(this); 
    } 
 
    @Override 
    public String toString() { 
        return String.format("[%1$-3d]", priority) + " Task " + id; 
    } 
 
    public String summary() { 
        return "(" + id + ": " + priority + ")"; 
    } 
 
    public static class EndSentinel extends PrioritizedTask { 
        private ExecutorService exec; 
 
        public EndSentinel(ExecutorService exec) { 
            super(-1); 
            this.exec = exec; 
        } 
 
        @Override 
        public void run() { 
            int count = 0; 
            for (PrioritizedTask pt : sequence) { 
                System.out.print(pt.summary()); 
                if (++count % 5 == 0) { 
                    System.out.println(); 
                } 
            } 
            System.out.println(); 
            System.out.println(this + " Calling shutdownNow()"); 
            exec.shutdownNow(); 
        } 
    } 
} 
 
class PrioritizedTaskProducer implements Runnable { 
    private Random random = new Random(47); 
    private Queue queue; 
    private ExecutorService exec; 
 
    public PrioritizedTaskProducer(Queue queue, ExecutorService exec) { 
        this.queue = queue; 
        this.exec = exec; 
    } 
 
    @Override 
    public void run() { 
        for (int i = 0; i < 20; i++) { 
            queue.add(new PrioritizedTask(random.nextInt(10))); // 往PriorityBlockingQueue中添加随机优先级的任务 
            Thread.yield(); 
        } 
        try { 
            for (int i = 0; i < 10; i++) { 
                TimeUnit.MILLISECONDS.sleep(250); 
                queue.add(new PrioritizedTask(10)); // 往PriorityBlockingQueue中添加优先级为10的任务 
            } 
            for (int i = 0; i < 10; i++) { 
                queue.add(new PrioritizedTask(i));// 往PriorityBlockingQueue中添加优先级为1-10的任务 
            } 
            queue.add(new PrioritizedTask.EndSentinel(exec)); 
        } catch (InterruptedException e) { 
        } 
        System.out.println("Finished PrioritizedTaskProducer"); 
    } 
} 
 
class PrioritizedTaskConsumer implements Runnable { 
    private PriorityBlockingQueue queue; 
 
    public PrioritizedTaskConsumer(PriorityBlockingQueue queue) { 
        this.queue = queue; 
    } 
 
    @Override 
    public void run() { 
        try { 
            while (!Thread.interrupted()) { 
                queue.take().run(); // 任务的消费者，从PriorityBlockingQueue中取出任务执行 
            } 
        } catch (InterruptedException e) { 
        } 
        System.out.println("Finished PrioritizedTaskConsumer"); 
    } 
}

工作原理

PriorityBlockingQueue 是 JDK1.5 的时候出来的一个阻塞队列。但是该队列入队的时候是不会阻塞的，永远会加到队尾。下面我们介绍下它的几个特点：

PriorityBlockingQueue 和 ArrayBlockingQueue 一样是基于数组实现的，但后者在初始化时需要指定长度，前者默认长度是 11。
该队列可以说是真正的无界队列，它在队列满的时候会进行扩容，而前面说的无界阻塞队列其实都有有界，只是界限太大可以忽略(最大值是 2147483647)
该队列属于权重队列，可以理解为它可以进行排序，但是排序不是从小到大排或从大到小排，是基于数组的堆结构(具体如何排下面会进行分析)
出队方式和前面的也不同，是根据权重来进行出队，和前面所说队列中那种先进先出或者先进后出方式不同。
其存入的元素必须实现Comparator，或者在创建队列的时候自定义Comparator。

注意：

堆结构实际上是一种完全二叉树。关于二叉树可以查看《树、二叉树、二叉搜索树的实现和特性》
堆又分为大顶堆和小顶堆。大顶堆中第一个元素肯定是所有元素中最大的，小顶堆中第一个元素是所有元素中最小的。关于二叉堆可以查看《堆和二叉堆的实现和特性》

源码分析

定义

PriorityBlockingQueue的类继承关系如下：

其包含的方法定义如下：

成员属性

从下面的字段我们可以知道，该队列可以排序，使用显示锁来保证操作的原子性，在空队列时，出队线程会堵塞等。

 
private static final int DEFAULT_INITIAL_CAPACITY = 11; 
 
 
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; 
 
 
private transient Object[] queue; 
 
 
private transient int size; 
 
 
private transient Comparator comparator; 
 
 
private final ReentrantLock lock; 
 
 
private final Condition notEmpty;

构造函数

 
public PriorityBlockingQueue() { 
    this(DEFAULT_INITIAL_CAPACITY, null); 
} 
 
public PriorityBlockingQueue(int initialCapacity) { 
    this(initialCapacity, null); 
} 
 
public PriorityBlockingQueue(int initialCapacity, 
                             Comparator comparator) { 
    if (initialCapacity < 1) 
        throw new IllegalArgumentException(); 
    this.lock = new ReentrantLock(); 
    this.notEmpty = lock.newCondition(); 
    this.comparator = comparator; 
    this.queue = new Object[initialCapacity]; 
} 
 
public PriorityBlockingQueue(Collection 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 ss = (SortedSet) c; 
        this.comparator = (Comparator) ss.comparator(); 
        heapify = false; 
    } 
    else if (c instanceof PriorityBlockingQueue) { 
        PriorityBlockingQueue pq = 
            (PriorityBlockingQueue) c; 
        this.comparator = (Comparator) 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; 
    if (heapify) 
        heapify(); 
}

入队方法

入队方法，下面可以看到 put 方法最终会调用 offer 方法，所以我们只看 offer 方法即可。

offer(E e)

public void put(E e) { 
    offer(e); // never need to block 
} 
 
public boolean offer(E e) { 
    //判断是否为空 
    if (e == null) 
        throw new NullPointerException(); 
    //显示锁 
    final ReentrantLock lock = this.lock; 
    lock.lock(); 
    //定义临时对象 
    int n, cap; 
    Object[] array; 
    //判断数组是否满了 
    while ((n = size) >= (cap = (array = queue).length)) 
        //数组扩容 
        tryGrow(array, cap); 
    try { 
        //拿到比较器 
        Comparator cmp = comparator; 
        //判断是否有自定义比较器 
        if (cmp == null) 
            //堆上浮 
            siftUpComparable(n, e, array); 
        else 
            //使用自定义比较器进行堆上浮 
            siftUpUsingComparator(n, e, array, cmp); 
        //队列长度 +1 
        size = n + 1; 
        //唤醒休眠的出队线程 
        notEmpty.signal(); 
    } finally { 
        //释放锁 
        lock.unlock(); 
    } 
    return true; 
}

siftUpComparable(int k, T x, Object[] array)

上浮调整比较器方法的实现

private static  void siftUpComparable(int k, T x, Object[] array) { 
        Comparable key = (Comparable) x; 
        while (k > 0) { 
         //无符号向左移，目的是找到放入位置的父节点 
            int parent = (k - 1) >>> 1; 
            //拿到父节点的值 
            Object e = array[parent]; 
            //比较是否大于该元素，不大于就没比较交换 
            if (key.compareTo((T) e) >= 0) 
                break; 
            //以下都是元素位置交换 
            array[k] = e; 
            k = parent; 
        } 
        array[k] = key; 
    }

根据上面的代码，可以看出这是完全二叉树在进行上浮调整。调整入队的元素，找出最小的，将元素排列有序化。简单理解就是：父节点元素值一定要比它的子节点得小，如果父节点大于子节点了，那就两者位置进行交换。

入队图解

例子：85 添加到二叉堆中(大顶堆)

package com.niuh.queue.priority; 
 
import java.util.Comparator; 
import java.util.concurrent.PriorityBlockingQueue; 
 
 
public class TestPriorityBlockingQueue { 
 
    public static void main(String[] args) throws InterruptedException { 
        // 大顶堆 
        PriorityBlockingQueue<Integer> concurrentLinkedQueue = new PriorityBlockingQueue<Integer>(10, new Comparator<Integer>() { 
            @Override 
            public int compare(Integer o1, Integer o2) { 
                return o2 - o1; 
            } 
        }); 
 
        concurrentLinkedQueue.offer(90); 
        concurrentLinkedQueue.offer(80); 
        concurrentLinkedQueue.offer(70); 
        concurrentLinkedQueue.offer(60); 
        concurrentLinkedQueue.offer(40); 
        concurrentLinkedQueue.offer(30); 
        concurrentLinkedQueue.offer(20); 
        concurrentLinkedQueue.offer(10); 
        concurrentLinkedQueue.offer(50); 
        concurrentLinkedQueue.offer(85); 
        //输出元素排列 
        concurrentLinkedQueue.stream().forEach(e-> System.out.print(e+"  ")); 
        //取出元素 
        Integer take = concurrentLinkedQueue.take(); 
        System.out.println(); 
        concurrentLinkedQueue.stream().forEach(e-> System.out.print(e+"  ")); 
    } 
}

操作的细节分为两步：

第一步：首先把新元素插入到堆的尾部再说;(新的元素可能是特别大或者特别小，那么要做的一件事情就是重新维护一下堆的所有元素，把新元素挪到这个堆的相应的位置)
第二步：依次向上调整整个堆的结构，就叫 HeapifyUp

85 按照上面讲的先插入到堆的尾部，也就是一维数组的尾部，一维数组的尾部的话就上图的位置，因为这是一个完全二叉树，所以它的尾部就是50后面这个结点。插进来之后这个时候就破坏了堆，它的每一个结点都要大于它的儿子的这种属性了，接下来要做的事情就是要把 85 依次地向上浮动，怎么浮动?就是 85 大于它的父亲结点，那么就和父亲结点进行交换，直到走到根如果大于根的话，就和根也进行交换。

85 再继续往前走之后，它要和 80 再进行比较，同理可得：也就是说这个结点每次和它的父亲比，如果它大于它的父亲的话就交换，直到它不再大于它的父亲。

出队方法

入队列的方法说完后，我们来说说出队列的方法。PriorityBlockingQueue提供了多种出队操作的实现来满足不同情况下的需求，如下：

E take();
E poll();
E poll(long timeout, TimeUnit unit);
E peek()

poll 和 peek 与上面类似，这里不做说明

take()

出队方法，该方法会阻塞

public E take() throws InterruptedException { 
 //显示锁 
    final ReentrantLock lock = this.lock; 
    //可中断锁 
    lock.lockInterruptibly(); 
    //结果接收对象 
    E result; 
    try { 
     //判断队列是否为空 
        while ( (result = dequeue()) == null) 
         //线程阻塞 
            notEmpty.await(); 
    } finally { 
        lock.unlock(); 
    } 
    return result; 
}

dequeue()

我们再来看看具体出队方法的实现，dequeue方法

private E dequeue() { 
//长度减少 1 
   int n = size - 1; 
   //判断队列中是否有元素 
   if (n < 0) 
       return null; 
   else { 
    //队列对象 
       Object[] array = queue; 
       //取出第一个元素 
       E result = (E) array[0]; 
       //拿出最后一个元素 
       E x = (E) array[n]; 
       //置空 
       array[n] = null; 
       Comparator cmp = comparator; 
       if (cmp == null) 
        //下沉调整 
           siftDownComparable(0, x, array, n); 
       else 
           siftDownUsingComparator(0, x, array, n, cmp); 
       //成功则减少队列中的元素数量 
       size = n; 
       return result; 
   }

总体就是找到父节点与两个子节点中最小的一个节点，然后进行交换位置，不断重复，由上而下的交换。

siftDownComparable(int k, T x, Object[] array, int n)

再来看看下沉比较器方法的实现

private static  void siftDownComparable(int k, T x, Object[] array, 
                                               int n) { 
    //判断队列长度 
    if (n > 0) { 
        Comparable key = (Comparable)x; 
        //找到队列最后一个元素的父节点的索引。 
        int half = n >>> 1;           // loop while a non-leaf 
        while (k < half) { 
         //拿到 k 节点下的左子节点 
            int child = (k << 1) + 1; // assume left child is least 
            //取得子节点对应的值 
            Object c = array[child]; 
            //取得 k 右子节点的索引 
            int right = child + 1; 
            //比较右节点的索引是否小于队列长度和左右子节点的值进行比较 
            if (right < n && 
                ((Comparable) c).compareTo((T) array[right]) > 0) 
                c = array[child = right]; 
            //比较父节点值是否大于子节点 
            if (key.compareTo((T) c) <= 0) 
                break; 
            //下面都是元素替换 
            array[k] = c; 
            k = child; 
        } 
        array[k] = key; 
    } 
}

出队图解

将堆尾元素替换到顶部(即堆顶被替代删除掉)

依次从根部向下调整整个堆的结构(一直到堆尾即可) HeapifyDown

例子：90 从二叉堆中删除(大顶堆)

总结

PriorityBlockingQueue 真的是个神奇的队列，可以实现优先出队。最特别的是它只有一个锁，入队操作永远成功，而出队只有在空队列的时候才会进行线程阻塞。可以说有一定的应用场景吧，比如：有任务要执行，可以对任务加一个优先级的权重，这样队列会识别出来，对该任务优先进行出队。

文章详情

阻塞队列—PriorityBlockingQueue源码分析

软考中级精品资料免费领

相关文章

猜你喜欢