PriorityQueue源码分析

49 阅读3分钟

PriorityQueue 源码分析

Java中的PriorityQueue采用的是堆这种数据结构来实现的,而存储堆采用的则是数组。

堆是一个完全二叉树,堆中每一个节点的值都必须大于等于(或小于等于)其子树中每个节点的值,对于每个节点的值都大于等于子树中每个节点值的堆,我们叫做大顶堆,对于每个节点的值都小于等于子树中每个节点值的堆,我们叫做小顶堆。

image.png

如何实现一个堆

image.png

可以看出来,数组中下标为i的节点,其左子节点就是下标为 i*2+1 的节点,右子节点则是下标为 i*2+2 的节点

新增

新增的时候,我们将插入的数据暂时放置到数组中的最后一个位置,运气好的话,它就刚好满足堆特性,也不需要移动元素了。不好的话就需要移动元素位置了。

移动过程如下:新插入的节点与父节点比较大小,如果不满足子节点大于等于父节点的大小关系(小顶堆),则互换两个节点,一直重复这个过程,直到父子节点满足刚才说的那种关系。

image.png

PriorityQueue数据结构如下:

public class PriorityQueue<E> extends AbstractQueue<E>
    implements java.io.Serializable {
  
  private static final int DEFAULT_INITIAL_CAPACITY = 11;
  // 数组
  /**
     * Priority queue represented as a balanced binary heap: the two
     * children of queue[n] are queue[2*n+1] and queue[2*(n+1)].  The
     * priority queue is ordered by comparator, or by the elements'
     * natural ordering, if comparator is null: For each node n in the
     * heap and each descendant d of n, n <= d.  The element with the
     * lowest value is in queue[0], assuming the queue is nonempty.
     */
    /*优先级队列表示为平衡的二进制堆:两者队列[n]的子队列是左子树队列[2*n+1]和右子数队列[2*(n+1)]。的优先级队列由比较器或元素的自然排序,如果comparator为空:对于中每个节点n和n的每个后代d, n <= d最小值在队列[0]中,假设队列非空。*/
  transient Object[] queue;
  // 数组中元素个数
  private int size = 0;

}

总结下插入元素时的主要过程

  1. 判断插入元素是否为空,为空则抛出空指针异常

  2. 在判断数组是否需要扩容,如果是则进行扩容

  3. 如果是第一次插入元素,则放入数组的第一个位置

  4. 如果不是则进行堆化过程

    1. 找到父节点位置 : (k-1) >>> 1
    2. 判断插入元素的值是否大于父节点(小顶堆),如果是则结束堆化过程
    3. 如果不是则交换元素位置
    4. 持续上面的1,2,3步骤,直到插入的节点已经是堆顶结点(k==0)

public boolean add(E e) {
    return offer(e);
}

// 如果插入空元素,则抛出空指针异常
public boolean offer(E e) {
    if (e == null)
        throw new NullPointerException();
    modCount++;
    int i = size;
    if (i >= queue.length)  //扩容
        grow(i + 1);
    size = i + 1;
    // 第一次插入放入数组的第一个位置(下标从0开始)
    if (i == 0)
        queue[0] = e;
    else 
        siftUp(i, e); //堆化过程
    return true;
}

//  如果插入元素超过队列的长度,则进行扩容: 如果小于64双倍扩容,大于等于50%
private void grow(int minCapacity) {
    int oldCapacity = queue.length;
    // Double size if small; else grow by 50%
    int newCapacity = oldCapacity + ((oldCapacity < 64) ?
                                     (oldCapacity + 2) :
                                     (oldCapacity >> 1));
    // overflow-conscious code
    if (newCapacity - MAX_ARRAY_SIZE > 0)
        newCapacity = hugeCapacity(minCapacity);
    queue = Arrays.copyOf(queue, newCapacity);
}

// 堆化过程
private void siftUp(int k, E x) {
    if (comparator != null) // 有比较器的情况
        siftUpUsingComparator(k, x);
    else  // 默认情况
        siftUpComparable(k, x);
}

private void siftUpComparable(int k, E x) {
  Comparable<? super E> key = (Comparable<? super E>) x;
  while (k > 0) {
    // 1. 父节点位置 (k-1)/2,这里采用无符号右移(值为整数)
    int parent = (k - 1) >>> 1;
    Object e = queue[parent];
    // 2. 如果要插入的元素大于父节点元素的值,则结束堆化过程
    if (key.compareTo((E) e) >= 0)
        break;
    // 3. 交换元素位置
    queue[k] = e;
    k = parent;
  }
  queue[k] = key;
}

删除

对于小顶堆而言,当删除堆顶元素之后,就需要把第二小的元素放到堆顶,那么第二小的元素就会出现在左右子节点中。当删除后,如果我们还是迭代的从左右子节点中选择最小元素放入堆顶,就会造成数组空洞,我用下面的图来演示这个问题。

image.png

我们可以在删除堆顶元素的时候,将最后一个元素拿来补位。由于在堆化的过程中,都是交换操作,就不会出现数组空洞了。

image.png

// k=0, x=queue[size-1]
 private void siftDownComparable(int k, E x) {
  Comparable<? super E> key = (Comparable<? super E>)x;
  int half = size >>> 1;        // loop while a non-leaf
  while (k < half) {
      int child = (k << 1) + 1; // assume left child is least
      // 找到左右子节点中小的那个节点
      Object c = queue[child];
      int right = child + 1;
      if (right < size &&
          ((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)
          c = queue[child = right];
      // 如果比小的那个节点值还要小,则循环结束
      if (key.compareTo((E) c) <= 0)
          break;
      // 移动数据
      queue[k] = c;
      k = child;
  }
  queue[k] = key;
}