`
十三月的
  • 浏览: 168386 次
  • 性别: Icon_minigender_1
  • 来自: 长沙
社区版块
存档分类
最新评论

JDK源码研究PriorityQueue(优先队列)

阅读更多

Priority Queue

 

目的:

通过对JDK源码的分析,进一步了解堆和优先队列,体会JDK源码的优美之处。

目录:

        1:概念

        2:源码结构

        3:方法分析

概念:

概念1:堆

堆,n个关键字序列K1,K2,…,Kn,当且仅当该序列满足如下性质称为堆

ki≤K2i且ki≤K2i+1(最小堆) 或 (2)Ki≥K2i且ki≥K2i+1 (最大堆)

堆一般用顺序存储结构存储(数组),但逻辑上可以认为是一个完全二叉树。

概念2:优先队列

优先队列,不同于普通的遵循FIFO(先进先出)规则的队列,每次都选出优先级最高的元素出队,优先队列里实际是维护了这样的一个堆,通过堆使得每次取出的元素总是最小的(用户可以自定义比较方法,相当于用户设定优先级)。

 

源码结构

   字段

 

//默认初始化大小
private static final int DEFAULT_INITIAL_CAPACITY = 11;
//堆
private transient Object[] queue;
//当前大小
private int size = 0;
//比较器
private final Comparator<? super E> comparator;
//修改次数(增、删、改、查)
private transient int modCount = 0;

   方法    

//增加
public boolean add(E e) 
//出队(不删除)
public E peek()
//出队(删除)
public E poll()
//删除
public boolean remove(Object o)
//是否包含某元素
public boolean contains(Object o)
//清空
public void clear()
//扩容
private void grow(int minCapacity)
//查找
private int indexOf(Object o)

方法分析

1:增加

堆在增加元素后,需要进行调整才能维护其最大堆或者最小堆的性质,下面以最小堆为例:


       增加元素26,默认是从队尾增加,即直接添加到数组最后。下一步需要执行上滤。从上图可以看出,26比其父节点39小,因此两者交换位置;再次比较此时的26和其父节点30,30>26,调整位置,依次进行直到找到比26小的父节点,结束。

代码:

 add

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

   可以看出,add方法实际上是全部委托给offer(E)

 

 	    public boolean offer(E e) {
	        if (e == null)
	            throw new NullPointerException();
	        modCount++;
	        int i = size;
	        //检查容量(扩容)
	        if (i >= queue.length)
	            grow(i + 1);
	        //改变size
	        size = i + 1;
	        //调整
	        if (i == 0)
	            queue[0] = e;//无父节点 ,直接赋值
	        else
	            siftUp(i, e);//有父节点,需要上滤
	        return true;
	    }

    第1步:判空

if (e == null)
    throw new NullPointerException();

    第2步:改变大小和扩容

 modCount++;
 int i = size;
 if (i >= queue.length)
     grow(i + 1);
 size = i + 1;

   第3步:添加元素并上滤

if (i == 0)
    queue[0] = e;
else
    siftUp(i, e);

  从上面的3步中可以看出,实际上关键的步骤是:grow 和 siftUp

  grow方法

	private void grow(int minCapacity) {
		if (minCapacity < 0) // overflow
			throw new OutOfMemoryError();
		int oldCapacity = queue.length;
		// Double size if small; else grow by 50%
		int newCapacity = ((oldCapacity < 64) ? ((oldCapacity + 1) * 2)
				: ((oldCapacity / 2) * 3));
		if (newCapacity < 0) // overflow
			newCapacity = Integer.MAX_VALUE;
		if (newCapacity < minCapacity)
			newCapacity = minCapacity;
		queue = Arrays.copyOf(queue, newCapacity);
	}

1:扩容方式是:

   当前队列大小queue.length<64,则增加一倍容量;反之则增加一半容量。

 2:调用Arrays的copyOf函数 ,实际上调用了该函数

  

 这是个native方法。(注意,该方法只是浅克隆)

siftUp 方法

    private void siftUp(int k, E x) {
        if (comparator != null)
            siftUpUsingComparator(k, x);
        else
            siftUpComparable(k, x);
    }

根据不同的比较方式,采取不同比较策略。

下面以使用默认comparator的方式分析

	    private void siftUpComparable(int k, E x) {
	        Comparable<? super E> key = (Comparable<? super E>) x;
	        //k>0保证元素有父节点
	        while (k > 0) {
	        	//父节点下标
	            int parent = (k - 1) >>> 1;
	            Object e = queue[parent];
	            //如果比父节点大,不需要移动,结束
	            if (key.compareTo((E) e) >= 0)
	                break;
	            //父节点元素下移
	            queue[k] = e;
	            //改变k的位置
	            k = parent;
	        }
	        //找到key对一个的合适的位置k,赋值
	        queue[k] = key;
	    }

   可以看出,该方法是采用迭代的方式,找到元素x的位置。

 int parent = (k - 1) >>> 1;
 Object e = queue[parent];

   通过无符号移位操作,取得父节点位置

 if (key.compareTo((E) e) >= 0)
	 break;
  queue[k] = e;
  k = parent;

  此处采用了默认的comparator

  如果比父节点值大,结束。

   如果比父节点值小,父节点值下沉,K重新赋值,直到k=0或者k结点的值大于或等于parent结点值。

2:出队(不删除)

    public E peek() {
        if (size == 0)
            return null;
        return (E) queue[0];
    }

 这个很简单,只是取出了其中的首位元素,但是并没有删除,不需要调整堆。

3:出队(删除最小元素)

出队过程

当最小元素14出队,从数组尾处取39赋值给队首。之后,进行和增加元素后相反的动作即下滤。

首先选出根节点(父节点)39的两个孩子结点中较小者,和39交换位置;当39找到新位置后,执行同种方法,如果孩子结点为null或者都比39大,则结束。

代码:

	public E poll() {
		// 优先队列为空,返回null
		if (size == 0)
			return null;
		int s = --size;
		modCount++;
		// 取出队首
		E result = (E) queue[0];
		E x = (E) queue[s];
		// 队尾赋值为null
		queue[s] = null;
		// 判断是否执行下滤
		if (s != 0)
		    siftDown(0, x);
		return result;
	}

 可以看出其中主要方法是siftDown方法

	private void siftDown(int k, E x) {
	    if (comparator != null)
		siftDownUsingComparator(k, x);
	    else
		siftDownComparable(k, x);
	}

  同样,和上滤一样,是根据不同的comparator采取不同措施比较

    private void siftDownUsingComparator(int k, E x) {
        // 计算非叶子节点元素的最大位置
        int half = size >>> 1;
       // 如果不是叶子结点
        while (k < half) {
            // 左孩子
            int child = (k << 1) + 1;
           // 默认使用左孩子的值
            Object c = queue[child];
            //右孩子
            int right = child + 1;
            /如果右孩子小于左孩子,c重新赋值为右孩子的值
            if (right < size &&
                comparator.compare((E) c, (E) queue[right]) > 0)
                c = queue[child = right];
           // c和key(父节点)比较,若父节点大,不需要移动,结束
            if (comparator.compare(x, (E) c) <= 0)
                break;
            queue[k] = c;
            //改变k的位置,向下移动
            k = child;
        }
        queue[k] = x;
    }

 如果自上向下调整的位置k大于half,说明该结点是叶子结点,直接将x元素赋值给queue[k].

如果自上向下调整的位置k小于half,则递归调整。首先取出左右孩子结点,并取两者中较小者赋值给c,然后比较c和当前k处元素key,如果key小,则结束。如果c大,则将k和c调换位置,经过多次迭代后,当x应该存放在叶子结点上或者x的值小于其左右孩子节点时终止

4:删除

  删除有两种情况:

    情况1:

  此处是执行下滤过程。

 情况2:

此处是执行上滤过程。

	private E removeAt(int i) {
		assert i >= 0 && i < size;
		modCount++;
		int s = --size;
		// 如果是最后一个元素,直接赋值null
		if (s == i)
			queue[i] = null;
		else {
			// 取最后一个元素后,最后位置赋值为null
			E moved = (E) queue[s];
			queue[s] = null;
			// 执行下滤
			siftDown(i, moved);
			// 如果下滤后元素位置没变,说明moved是该子树最小元素;之后需要执行上滤
			// 上滤和下滤实际效果是只会执行其中一个
			if (queue[i] == moved) {
				siftUp(i, moved);
				if (queue[i] != moved)// iterator中会用到此处
					return moved;
			}
		}
		return null;
	}

 如果删除的是最后一个元素,则将最后一个元素设为null

if (s == i)
    queue[i] = null;

 如果删除的不是最后一个元素,取出最后一个元素,并将最后一个元素设为null。执行向下调整函数  siftDown.

E moved = (E) queue[s];
queue[s] = null;
siftDown(i, moved);

 如果执行了下滤之后,如情况2,此时24并没有向下移动,此时说明需要进行上滤过程

if (queue[i] == moved) {
	siftUp(i, moved);
	if (queue[i] != moved)// iterator中会用到此处
	return moved;
}

 5:clear:清除

这个很简单,只是遍历数组,删除(设为null)

    public void clear() {
        modCount++;
        for (int i = 0; i < size; i++)
            queue[i] = null;
        size = 0;
    }

 6:contains:是否包含

这个过程实际上就是查找过程

    public boolean contains(Object o) {
	return indexOf(o) != -1;
    }

 7:idnexOf :查找

    private int indexOf(Object o) {
	if (o != null) {
            //遍历数组查询
            for (int i = 0; i < size; i++)
                //如果是自定义的元素,重写equals方法是很有必要的
                if (o.equals(queue[i]))
                    return i;
        }
        return -1;
    }

以上只是简单的分析了主要的方法,对于构造函数,实际上主要就是调用这几个方法,就没有再分析。有兴趣可以自行分析,相信会有所收获。

 

   (ps:写完后,准备提交结果出现此种情况



    原因是:

  幸好有自动保存草稿功能,否则....)
   

 

 

 

 

        

 

  • 大小: 6 KB
  • 大小: 3.7 KB
分享到:
评论

相关推荐

    JDK源码之PriorityQueue解析

    JDK源码之PriorityQueue解析 一、优先队列的应用 优先队列是程序开发中常用的数据结构之一。它可以应用于多个领域,如操作系统的进程调度、爬虫系统的任务调度等。在这些应用中,优先队列可以确保高优先级的任务或...

    解析Java中PriorityQueue优先级队列结构的源码及用法

    PriorityQueue在JDK中内置,基于二叉堆数据结构实现,特别是最小堆,这意味着队列头部的元素总是具有最低的优先级。在Java 7中,PriorityQueue的底层实现是一个近似完全二叉树的数组,保证了队列的高效操作。 ...

    java 集合源码学习,jdk1.8集合类所有的源码讲解

    `PriorityQueue`则是一种优先队列,根据元素的自然顺序或比较器进行排序。 `Map`接口存储键值对,不允许键重复。`HashMap`是基本的实现,它通过哈希表提供快速的插入、删除和查找操作。`TreeMap`使用红黑树保持键的...

    java类源码-JavaCollection:基于JDK1.8的集合类源码分析

    此外,`PriorityQueue`是一种基于优先堆实现的队列,元素按照优先级进行排序,常用于实现调度和事件处理。`Deque`接口代表双端队列,可以支持从两端添加和移除元素,`ArrayDeque`是其高效的实现。 `Collections`...

    Java源码分析:集合-容器.pdf

    除了基本的队列操作外,Java还提供了PriorityQueue等具有优先级功能的队列。 在Java集合框架中,各种集合类型的自动扩容机制是提高性能的关键。当集合的容量不足以容纳更多元素时,会进行扩容操作,这是通过定义...

    JDK11_DSA_SrcComment:在JDK 11中阅读数据结构和算法(DSA)的注意事项

    4. **优先队列**:PriorityQueue实现了优先队列数据结构,可以高效地执行插入和删除操作,常用于优先级调度和堆排序。 5. **树结构**:TreeSet和TreeMap使用红黑树实现,提供O(log n)的时间复杂度,支持高效的插入...

    java源码路径-Digkstra-Algorithm-shortest-path:基于Java的iisbfs和dfs图算法源代码

    在Java中实现Dijkstra算法,通常会用到数据结构如优先队列(PriorityQueue)来存储待处理的节点,按照距离进行排序。同时,还需要一个邻接表(Adjacency List)来表示图的结构,这比邻接矩阵更加节省空间,尤其对于...

    java集合(自学整理)

    它可以作为一个优先队列使用,队列中的元素按照优先级顺序排序。 #### Map `Map` 是键值对的集合,其中每个键都是唯一的。 - **TreeMap**: 基于红黑树实现的有序映射,提供按键值排序的功能。`TreeMap` 的键自动...

    java面试宝典

    #### 第五章 JDK源码 71. **HashMap原理**:基于哈希表实现,以数组+链表的形式存储数据。 72. **HashTable原理**:与HashMap类似,但它是线程安全的。 73. **LinkedList原理**:双向链表结构,适合频繁的插入和删除...

    JAVA 面试 问题和答案

    2.2 JDK和JRE的区别:JDK(Java开发工具包)包含了JRE(Java运行时环境)以及编译Java源码的编译器和其他工具。JRE仅包含运行Java程序所需的环境。 2.3 “static”关键字的含义?能否在Java中重写私有或静态方法?...

    Java 基础核心总结.md

    - **PriorityQueue**:实现了优先级队列。 - **HashMap**:基于哈希表实现的`Map`。 - **TreeMap类**:基于红黑树实现的`Map`,键自然排序或自定义排序。 - **LinkedHashMap类**:保持插入顺序的`Map`。 - **...

    值得收藏的2017年Java开发岗位面试题

    Java中的队列有ArrayDeque、LinkedList、PriorityQueue等。ArrayDeque使用数组实现,LinkedList使用链表实现,PriorityQueue使用堆实现。 6. 反射中,Class.forName和classloader的区别。 Class.forName和...

Global site tag (gtag.js) - Google Analytics