JUC源码分析-集合篇（七）PriorityBlockingQueue
PriorityBlockingQueue 是带优先级的无界阻塞队列，每次出队都返回优先级最高的元素，是二叉树最小堆的实现。 PriorityBlockingQueue 数据结构和 PriorityQueue 一致，而线程安全性使用的是 ReentrantLock。
1. 基本属性
// 最大可分配队列容量 Integer.MAX_VALUE - 8，减 8 是因为有的 VM 实现在数组头有些内容
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
// 默认队列容量11，这里不是 HashMap，不需要 hash 取余，因此不必是 2^n
private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 数组结构，是二叉树最小堆的实现
private transient Object[] queue;
private transient int size;PriorityBlockingQueue 使用 ReentrantLock 保证数据安全性，数据结构使用的是数组。PriorityBlockingQueue 数组的结构和 PriorityQueue 一致，是基于平衡二叉堆实现，父节点下标是 n，左节点则是 2n + 1，右节点是 2n + 2。queue[0] 永远都是最小的元素。
public PriorityBlockingQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
public PriorityBlockingQueue(int initialCapacity) {
this(initialCapacity, null);
}
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];
}2. 入队 offer
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
final ReentrantLock lock = this.lock;
lock.lock();
int n, cap;
Object[] array;
// 1. 扩容
while ((n = size) >= (cap = (array = queue).length))
tryGrow(array, cap);
try {
Comparator<? super E> cmp = comparator;
// 2. 将节点 e 插入数据 array 的第 n 个位置
if (cmp == null)
siftUpComparable(n, e, array);
else
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}代码很简单，添加元素时 offer 做了两件事：一是判断是否需要扩容(tryGrow)，二是将元素 e 插入到数组中(siftUpComparable)。先看一下如何进行扩容的，至于元素添加在 poll 时再一起分析。
// 集合中元素个数 size>=queue.length 则进行扩容
while ((n = size) >= (cap = (array = queue).length))
tryGrow(array, cap);
// tryGrow 最终只有一个线程能扩容成功，其它线程通过 while 自旋检查当前扩容是否完毕
private void tryGrow(Object[] array, int oldCap) {
// 1. 释放锁，这样在数组扩容期间其它线程可以正常出队
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
// 2. allocationSpinLock 是数组扩容的独占锁
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
// oldGap<64则扩容新增oldcap+2,否者扩容50%，并且最大为MAX_ARRAY_SIZE
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;
}
// 3.1 如果 oldCap=MAX_ARRAY_SIZE 则 newCap 就会变成负数
// 3.2 如果 queue 已经改变，则有其它线程已经完成扩容 ok
// 线程1已经完成扩容，线程2执行到这里时 queue=newArray
if (newCap > oldCap && queue == array)
newArray = new Object[newCap];
} finally {
allocationSpinLock = 0;
}
}
// 4. 线程1 cas 成功后，线程2会进入这个地方，然后线程2让出 cpu
// 尽量让线程1执行下面代码获取锁，但是这得不到肯定的保证。
if (newArray == null) // back off if another thread is allocating
Thread.yield();
// 5. 重新获取锁，只有一个线程可以最终完成数组的扩容。
// cas 只进行了数组的初始化，即 newArray=new Object[newCap]，可能有多个线程都成功了
lock.lock();
// 6. 数组元素拷贝到新数组中，完成扩容。可能有多个线程都初始化了 newArray
if (newArray != null && queue == array) {
queue = newArray;
System.arraycopy(array, 0, newArray, 0, oldCap);
}
}tryGrow 目的是扩容，这里要思考下为啥在扩容前要先释放锁，然后使用 cas 控制只有一个线程可以扩容成功呢？
其实这里不先释放锁也是可以的，也就是在整个扩容期间一直持有锁，但是扩容是需要花时间的，如果扩容的时候还占用锁，那么其他线程在这个时候是不能进行出队和入队操作的，这大大降低了并发性。
所以在扩容前释放锁，这允许其他出队线程可以进行出队操作，但是由于释放了锁，所以也允许在扩容时候进行入队操作，这就会导致多个线程进行扩容会出现问题，所以这里使用了一个 spinlock 用 cas 控 制只有一个线程可以进行扩容，失败的线程调用 Thread.yield() 让出 cpu，目的意在让扩容线程扩容后优先调用 lock.lock 重新获取锁，但是这得不到一定的保证，有可能调用 Thread.yield() 的线程先获取了锁。如果这时候扩容线程还没扩容完毕，其他线程是通过自旋检查当前扩容是否完毕。
那 copy 元素数据到新数组为啥放到获取锁后面那？原因应该是因为可见性问题，因为 queue 并没有被 volatile 修饰。另外有可能在扩容时候进行了出队操作，如果直接拷贝可能看到的数组元素不是最新的。而通过调用 Lock 后，获取的数组则是最新的，并且在释放锁前 数组内容不会变化。
3. 出队 poll
public E poll() {
final ReentrantLock lock = this.lock;
lock.lock();
try {
return dequeue();
} finally {
lock.unlock();
}
}
// 出队
private E dequeue() {
int n = size - 1;
// 1. 没有元素直接返回 null
if (n < 0)
return null;
else {
Object[] array = queue;
// 2. array[0] 永远都是最小的元素
E result = (E) array[0];
E x = (E) array[n];
array[n] = null;
Comparator<? super E> cmp = comparator;
// 3. 因为 array[0] 已经出队，现在需要将元素 array[n] 插入到 0 这个位置
if (cmp == null)
siftDownComparable(0, x, array, n);
else
siftDownUsingComparator(0, x, array, n, cmp);
size = n;
// 4. 返回 array[0]
return result;
}
}4. 数据结构
// 数组结构，是二叉树最小堆的实现，array[0] 永远是优先级最高的元素
private transient Object[] queue;
// offer 时将元素 e 插入到节点 n 位置
siftUpComparable(n, e, array);
// poll 时将最后一个元素 array[n] 插入到 0 位置
siftDownComparable(0, x, array, n);(1) siftUpComparable
// 将元素 x 插入数据 array 的第 k 个位置
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;
}这个排序看过去有些奇怪，怎么有 parent，并且下标是 (k-1)>>>1 呢？其实这里的操作就反应了优先队列的真正数据结构，其实际上是一个二叉树，将二叉树存储在数组之中而已。根节点就是数组的 0 位。下图给出其具体结构：
PriorityQueue 是一个完全二叉树，且不允许出现 null 节点，其父节点都比叶子节点小，这个是堆排序中的小顶堆。二叉树存入数组的方式很简单，就是从上到下，从左到右。完全二叉树可以和数组中的位置一一对应：
- 左叶子节点 = 父节点下标 * 2 + 1
- 右叶子节点 = 父节点下标 * 2 + 2
- 父节点 = (叶子节点 - 1) / 2
现在在看 siftUpComparable 代码就轻松多了，实际上就是将要插入的元素 x 和它的父节点做对比，如果比父节点大就一直向上移动。因为比较后元素是在向上移动，所以叫 siftUpComparable
(2) siftDownComparable
// 将元素 x 插入数据 array 的第 k 个位置，n 表示当前数组的最后一个位置
private static <T> void siftDownComparable(int k, T x, Object[] array, int n) {
if (n > 0) {
Comparable<? super T> key = (Comparable<? super T>)x;
int half = n >>> 1; // loop while a non-leaf
while (k < half) {
int child = (k << 1) + 1; // assume left child is least
Object c = array[child];
int right = child + 1;
if (right < n &&
((Comparable<? super T>) c).compareTo((T) array[right]) > 0)
c = array[child = right];
if (key.compareTo((T) c) <= 0)
break;
array[k] = c;
k = child;
}
array[k] = key;
}
}siftDownComparable(0, x, array, n) 将元素 x 和第 0 位的左右子节点进行比较，如果 x 大于这两个子节点则向下移动，小的子节点则上移。这样 array[0] 又变成最小的值了。
参考：
每天用心记录一点点。内容也许不重要，但习惯很重要！