Java Queue队列的用法（非常全面）

时间：10-16来源：作者：点击数：

Queue 本身是一种先入先出（FIFO）的模型，与日常生活中的排队模型很相似。在 Java 语言中，Queue 是一个接口，它只是定义了一个 Queue 应该具有哪些功能。

Queue 有多个实现类，有的类采用线性表来实现的，有的则是基于链表实现的。有些类是多线程安全的，有些则不是。

Java 中具有 Queue 功能的类主要有如下几个：AbstractQueue、ArrayBlockingQueue、Concurrent LinkedQueue、LinkedBlockingQueue、DelayQueue、LinkedList、PriorityBlockingQueue、PriorityQueue和 ArrayDqueue。图 1 给出了部分常用的 Queue 的类。

图1 Queue类图

本文我们重点介绍 PriorityQueue 的用法。

PriorityQueue 并不遵循 FIFO（先入先出）原则，它会根据队列元素的优先级来调整顺序，优先级最高的元素最先出。由此可以推断，PriorityQueue 要么提供一个Comparator 来对元素进行比较，要么元素本身需要实现了接口 Comparable。下面通过对源码的解析，来验证这个推断。

1. 成员变量

PriorityQueue 的主要成员变量有：

transient Object[] queue; /* 存值数组 */
private int size = 0;   /* 元素数量 */
/*比较器，可以为null,当为null时E必须实现Comparable */
private final Comparator<? super E> comparator;

由此可见，这个类提供了一个 comparator 成员变量。同时，可以看到，PriorityQueue 的存储结构是个数组。因此，数据增加的同时，就必须考虑到数组的扩容。

2. heapify方法和最小堆

在讲解 PriorityQueue 之前，需要先熟悉一个有序数据结构：最小堆。

最小堆是一种经过排序的完全二叉树，其中任一非终端结点数值均不大于其左孩子和右孩子结点的值。可以得出结论，如果一棵二叉树满足最小堆的要求，那么，堆顶（根结点）也就是整个序列的最小元素。最小堆的例子如图 2 所示。

可以注意到，20 的两个子结点 31、21，和它的叔结点 30 并没有严格的大小要求。以广度优先的方式从根结点开始遍历，可以构成序列：

[10,20,30,31,21,32,70]

反过来，可以推演出，序列构成二叉树的公式是：对于序列中下标为 i（此处指的下标从 0 开始）的元素，左孩子的下标为left(i)=i*2+1，右孩子的下标为right(i)=left(i)+1。

现在可以思考一个问题，对于给定的序列，如何让它满足最小堆的性质？例如：[20, 10, 12, 1, 7, 32, 9] 构成的二叉树如图 3 所示。

图2 最小堆

图3 二叉树示例图

这里提供了一个如何把一个二叉树调整为最小堆方法，这个方法主要有下面几个步骤：

倒序遍历数列。
对二叉树中的元素挨个进行沉降处理，沉降过程为：把遍历到的结点与左右子结点中的最小值比对，如果比最小值要大，那么和该子结点交换数据，反之则不做处理，继续 1 过程。
沉降后的结点，再次沉降，直到叶子结点。同时，因为下标在 size/2 之后的结点都是叶子结点，所以可以从 size/2-1 位置开始倒序遍历，从而减少比较次数。

下面我们应用该方法对之前的数列进行调整：

因为数列 [20,10,12,1,7,32,9] 的长度为 7，所以 size/2-1=2，倒序遍历过程是 12->10->20。

1) 12 的左孩子为 32，右孩子为 9，12>9，进行沉降，结果如图 4 所示。

2) 10 的左孩子为 1，右孩子为 7，10>1，进行沉降，结果如图 5 所示。

图4 结点12下沉后的二叉树

图5 结点10下沉后的二叉树

3) 20 的左孩子为 1，右孩子为 9，20>1，进行沉降，结果如图 6 所示。

4) 20 的左孩子为 10，右孩子为 7，20>7，进行沉降，得到最终结果如图 7 所示。

图6 结点 20 下沉后的二叉树

图7 结点 20 继续下沉后的二叉树

满足最小堆的要求，此时，得出的序列为 [1,7,9,10,20,32,12]。

该实现的流程也就是 PriorityQueue 的 heapify 方法的流程，heapify 方法负责把序列转化为最小堆，也就是所谓的建堆。其源码如下所示：

private void heapify(){
    for(int i=(size>>>1)-1;i>=0;i--)
        siftDown(i,(E)queue[i]);
        siftDown(i,(E)queue[i]);
}

siftDown方法也就是之前提过的沉降方法。

3. siftDown(k,x)方法

siftDown方法用于沉降，根据 comparator 成员变量是否为 null，它的执行方式略有不同。

如果 comparator 不为 null，那么调用 comparator 进行比较；反之，则把元素视为 Comparable 进行比较。如果元素没有实现 Comparable 接口，那么会抛出 ClassCastException。无论使用哪种方法进行比较，执行的算法都是一样的。

这里只选取其中之一进行讲解，Java 代码如下：

private void siftDownUsingComparator(int k, E x){
    int half = size >>> 1;    /*只查找非叶子结点*/
    while (k < half) {
        int child = (k << 1) + 1;    /* 左孩子 */
        Object c = queue[child];
        int right = child + 1;    /* 右孩子 */

        /*取左右孩子中的最小者*/
        if (right < size && comparator.compare((E) c, (E) queue[right]) > 0)
            c = queue[child = right];

        /*父结点比最小孩子小说明满足最小堆，结束循环*/
        if (comparator.compare(x, (E) c) <= 0)
            break;

        /*交换父结点和最小孩子位置，继续沉降*/
        queue[k] = c;
        k = child;
    }
    queue[k] = x;
}

注释已经解释清楚了代码的执行逻辑，其目的是把不满足最小堆条件的父结点一路沉到最底部。从以上代码可以看出，siftDown 的时间复杂度不会超出O(log2n)。

4. offer(e)方法

PriorityQueue 的 offer 方法用于把数据入队，其源码实现如下所示：

public boolean offer(E e){

    if (e == null)
        throw new NullPointerException();
   
    modCount++;
    int i = size;
    if (i >= queue.length)    /*容量不够时，对数组做扩容*/
        grow(i + 1);

    size = i + 1;
    if (i == 0)
        queue[0] = e;    /*初始化队列*/
    else
        siftUp(i, e);    /* 上浮结点 */
    return true;
}

从实现源码中可以观察到它有如下几个特性：

不能存放 null 数据。
与 ArrayList 留有扩容余量不同，当 size 达到数组长度极限时，才执行扩容（grow 方法）。
当队列中有数据时，会执行结点上浮（siftUp），把优先级更高的数据放置在队头。

为什么新加入的结点需要做上浮呢？这是因为新添加的结点初始位置是在整个数列的末位，在二叉树中，它一定是叶子结点，当它的值比父结点要小时，就不再满足最小堆的性质了，所以，需要进行上浮操作。

5. grow(minCapacity)方法

grow方法用于对 PriorityQueue 进行扩容，Java 代码如下所示：

private void grow ( int minCapacity){

    int oldCapacity = queue.length;
    //长度较小则扩容一倍，否则扩容50%
    int newCapacity = oldCapacity + ((oldCapacity < 64) ? (oldCapacity + 2) : (oldCapacity >> 1));

    //溢岀校验
    if (newCapacity - MAX_ARRAY_SIZE > 0)
        newCapacity = hugeCapacity(minCapacity);
    queue = Arrays.copyOf(queue, newCapacity);
}

private static int hugeCapacity ( int minCapacity){
    if (minCapacity < 0)  // overflow
        throw new OutOfMemoryError();

    return (minCapacity > MAX_ARRAY_SIZE) ?
            Integer.MAX_VALUE : MAX_ARRAY_SIZE;
}

grow 方法有如下两个功能：

扩容。扩容策略是，如果旧容量小于 64，那么增加一倍 +2，否则增加 50%。
溢出校验。如果小于 0，那么认为溢出，容量最大能支持到最大正整数。

6. siftUp(k,x)方法

siftUp方法用于上浮结点。新加入的结点一定在数列末位，为了让数列满足最小堆性质，需要对该结点进行上浮操作。

与 siftDown 一样，它也有两种等效的实现路径，这里只做 shifUpUsingComparator 的解析：

private void siftUpUsingComparator(int k, E x){

    while (k > 0) {
   
        /*找到父结点*/
        int parent = (k - 1) >>> 1;
        Object e = queue[parent];

        /*父结点较小时，满足最小堆性质，终止循环*/
        if (comparator.compare(x, (E) e) >= 0)
            break;

        /*交换新添加的结点和父结点位置，继续上浮操作*/
        queue[k] = e;
        k = parent;
    }
    queue[k] = x;
}

为了更容易地理解这个方法，下面通过一个例子来详细的解析，假设有最小堆数列[10，20，30，40，30，50，70]，构成最小堆如图 8 所示。

1) 执行添加 19 后的二叉树如图 9 所示。

图8 最小堆示例

图9 添加结点 19 后的二叉树

2) 19<40，与40交换位置，交换后的二叉树如图 10 所示。

3) 19<20，与20交换位置，交换后的二叉树如图 11 所示。

图10 交换19与40后的二叉树

图11 交换19与20后的二叉树

4) 19>10，终止上浮操作，最后得到的数列为：[10,19,30,20,30,50,70,40]。该数列满足了最小堆的性质。

7. poll()方法

poll方法用来检索并移除此队列的头，它的实现源码如下所示：

public E poll() {
    if (size == 0)
        return null;
    int s = --size;
    modCount++;
    E result = (E) queue[0];    /* 获取队头 */
    E x = (E) queue[s];    /* 获取队尾 */
    queue[s] = null;    /* 清空队尾 */

    //队尾和队头不是同一个结点的时候，进行沉降操作
    if (s != 0)
        siftDown(0, x);
    return result;
}

通过之前的间接可以知道，最小堆虽然不保证数列的顺序，但其堆顶元素始终是最小元素，恰好，PriorityQueue 只要求出队的对象优先级最高，所以，poll 方法只需要直接获取堆顶元素即可达到目的。

但是，当堆顶元素移除后，如果不做调整，那么新的堆顶会变成原来堆顶的左孩子，所以，移除后需要对二叉树重新调整。根据最小堆的性质，可以证明：移除最小堆任意叶子结点，最小堆性质不变。

因为数组的末位结点在最小堆内，一定是叶子结点，所以，这里可以使用末位结点来替换根结点，然后进行沉降操作。这样做有以下三个好处：