- 作者：老汪软件技巧
- 发表时间：2024-01-01 06:00
- 浏览量：
JUC系列整体栏目
内容链接地址
【一】深入理解JMM内存模型的底层实现原理
【二】深入理解CAS底层原理和基本使用
【三】熟练掌握原子系列基本使用
【四】精通底层的实现原理
【五】通过源码分析AQS和的底层原理
【六】深入理解底层原理和基本使用
【七】深入理解底层原理和基本使用
【八】深入理解底层原理和基本使用
【九】深入理解ck 读写锁的底层实现
【十】深入理解的底层实现
【十一】深入理解的底层实现
【十二】深入理解的底层实现
深入理解的底层实现
一，深入理解的底层原理
前面讲解了关于数组和链表的方式实现阻塞队列，但是在实际开发中，这两种队列并不能满足全部的需求，如在某些场景下需要会员优先，vip优先等活动，如购物场景中、或者一些办理业务的逻辑中。
为了更好的支持这种优先级排队的情况，在现有的数据结构中， 选择的是采用二叉堆的方式来实现，相对于数组实现的阻塞队列，支持数组的扩容，因此这个又是一个无界的阻塞队列，总而言之就是：优先级实现的阻塞队列，可以在出队的时候，优先级最高的可以先出，优先级依次排序
1，的基本使用
在了解一个的底层原理之前，来先了解一下这个队列的基本使用。假设一个需求，就是会有一个文件类，接下来要将文件的大小加入到阻塞队列，在输出时文件小的先输出
首先先定义一个文件的实体类 ，里面的属性相对比较简单，够用就行
/**
* 文件信息
* @Author: zhenghuisheng
* @Date: 2023/10/12 6:22
*/
@Data
public class FileData implements Serializable {
private Integer id;
//文件名称
private String fileName;
//文件大小
private Integer fileSize;
}
随后创建一个生产者的线程任务类，用于将文件加入到阻塞队列中阻塞，并且排好队
/**
* 生产者线程
* @Author: zhenghuisheng
* @Date: 2023/10/12 6:22
*/
@Data
public class Producer implements Runnable {
//全局的阻塞队列
private PriorityBlockingQueue priorityBlockingQueue;
//需要添加的文件
private FileData fileData;
public Producer(PriorityBlockingQueue queue,FileData fileData){
this.priorityBlockingQueue = queue;
this.fileData = fileData;
}
//添加文件
@Override
public void run() {
try {
//加入阻塞队列
priorityBlockingQueue.put(fileData);
System.out.println("文件" + fileData.getFileName() + "加入完毕");
} catch (Exception e) {
e.printStackTrace();
}
}
}
随后创建一个消费者的线程任务类，用于将文件从阻塞队列中取出
/**
* 消费者线程
* @Author: zhenghuisheng
* @Date: 2023/10/8 20:21
*/
@Data
public class Consumer implements Runnable {
private PriorityBlockingQueue queue;
public Consumer(PriorityBlockingQueue priorityBlockingQueue){
this.queue = priorityBlockingQueue;
}
@Override
public void run() {
//消费者消费
try {
System.out.println(queue.take());
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
随后创建一个线程池的工具类，用于定义线程池中的各个参数
/**
* 线程池工具
* @author zhenghuisheng
* @date : 2023/3/22
*/
public class ThreadPoolUtil {
/**
* io密集型：最大核心线程数为2N,可以给cpu更好的轮换，
* 核心线程数不超过2N即可，可以适当留点空间
* cpu密集型：最大核心线程数为N或者N+1，N可以充分利用cpu资源，N加1是为了防止缺页造成cpu空闲，
* 核心线程数不超过N+1即可
* 使用线程池的时机：1,单个任务处理时间比较短 2,需要处理的任务数量很大
*/
public static synchronized ThreadPoolExecutor getThreadPool() {
if (pool == null) {
//获取当前机器的cpu
int cpuNum = Runtime.getRuntime().availableProcessors();
log.info("当前机器的cpu的个数为：" + cpuNum);
int maximumPoolSize = cpuNum * 2 ;
pool = new ThreadPoolExecutor(
maximumPoolSize - 2,
maximumPoolSize,
5L, //5s
TimeUnit.SECONDS,
new LinkedBlockingQueue<>(), //数组有界队列
Executors.defaultThreadFactory(), //默认的线程工厂
new ThreadPoolExecutor.AbortPolicy()); //直接抛异常，默认异常
}
return pool;
}
}
由于在这个e中默认是直接比较元素的值的，而这里的元素是文件实体，因此需要自定义一个实现了的类，并重写一个的比较方法，从而实现文件大小的比较
/**
* @Author: zhenghuisheng
* @Date: 2023/10/12 6:43
*/
public class ComparatorFileSize implements Comparator {
@Override
public int compare(Object o1, Object o2) {
FileData firstFileData = (FileData)o1;
FileData endFileData = (FileData)o2;
return firstFileData.getFileSize()-endFileData.getFileSize();
}
}
最后来一个带有Main方法的主线程类，用于测试
/**
* @Author: zhenghuisheng
* @Date: 2023/10/12 6:29
*/
public class PriorityBlockingQueueDemo {
//创建一个线程池
static ThreadPoolExecutor pool = ThreadPoolUtil.getThreadPool();
//Comparator比较器类的具体实现，加入二叉堆时需要的比较器
static ComparatorFileSize comparatorFileSize = new ComparatorFileSize();
//创建一个全局阻塞队列
private static PriorityBlockingQueue queue = new PriorityBlockingQueue(16,comparatorFileSize);
public static void main(String[] args) throws Exception {
//生产者任务
for (int i = 0; i < 10; i++) {
//创建文件类
FileData fileData = new FileData();
fileData.setId(i);
fileData.setFileSize(10000 + new Random().nextInt(10000));
fileData.setFileName("文件" + i);
//创建生产者任务
Producer producer = new Producer(queue, fileData);
//任务加入线程池
pool.execute(producer);
}
Thread.sleep(1000);
//消费者消费
for (int i = 0; i < 10 ; i++) {
Consumer consumer = new Consumer(queue);
pool.execute(consumer);
}
// Thread.sleep(10000);
// System.exit(0);
}
}
在输出时就可以发现已经满足了一个堆的结构了
2，e的底层源码
根据前面这么多篇JUC的源码分析以及基本使用，相信本人分析源码的方式各位已经习惯了，就是先学会怎么使用，随后看底层源码，先看这个类的基本属性和构造方法，随后再看对应的put方法的逻辑和take方法的逻辑
2.1，e类的属性
首先是先看这一步，该类依旧是继承了一个抽象类，并且的一个具体实现
public class PriorityBlockingQueue extends AbstractQueue implements BlockingQueue
接下来继续看内部的属性，根据其大概得属性就能知道很多东西，看下面两个东西，不难猜出这个也是和数组实现的方式一样，采用的是一把互斥锁来实现，并且在出队时需要判断是否为空，如果为空则要将这个线程加入到条件队列中，由于e是无界的，因此在加入队列时是不需要考虑是否为满的情况，因此这个时使用+一个条件队列 实现AQS的
private final ReentrantLock lock; //互斥锁
private final Condition notEmpty; //出对判断队列是否为空，空则阻塞
还有就是优先级实现的阻塞队列底层是通过数组的方式实现的，数组初始的默认容量为11，最大容量为整型最大值减8
private transient Object[] queue; //数组的方式实现队列
private transient int size; //容量大小
private static final int DEFAULT_INITIAL_CAPACITY = 11; //数组的默认容量为11
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; //最大容量
最后再看看这个优先级队列的构造方法，内部就是对上面的这些属性进行复赋值的操作
public PriorityBlockingQueue(int initialCapacity,Comparator comparator) {
if (initialCapacity < 1) throw new IllegalArgumentException();
this.lock = new ReentrantLock(); //初始化互斥锁
this.notEmpty = lock.newCondition(); //初始化条件队列
this.comparator = comparator; //比较器
this.queue = new Object[initialCapacity]; //初始化容量
}
2.2，e入队操作
在上面的案例中使用的是put方法，put方法中又是通过offer方法实现具体的入队操作的，因此直接来看这个offer方法。主要分为扩容，数组入队，入队时排序，唤醒因为队列为空而加入到条件队列的结点，解锁
public boolean offer(E e) {
if (e == null) throw new NullPointerException();
final ReentrantLock lock = this.lock; //获取到这把互斥锁
lock.lock(); //加锁
int n, cap;
Object[] array;
//如果此时数组的长度大于等于原先设置的长度，则会进行扩容操作
while ((n = size) >= (cap = (array = queue).length))
tryGrow(array, cap);
try {
Comparator cmp = comparator;
if (cmp == null)
siftUpComparable(n, e, array);
else
siftUpUsingComparator(n, e, array, cmp);
size = n + 1;
notEmpty.signal();
} finally {
lock.unlock();
}
return true;
}
2.2.1，数组扩容操作
接下来查看一下这个 的扩容操作时如何实现的，首先会有一个释放锁的操作，但是在后文又有一个加锁操作，因此也解决了并发的阻塞问题。
重点还是看这个扩容操作，假设此时的容量小于64，则扩大原来的容量+2，如果大于64，则扩大原来的容量一倍，就是说假设此时容量为16，那么第一次扩容就是 16+16+2为34，第二次扩容为34 + 34 + 2为70，第三次扩容为70 + 70*2 = 210。 最后创建一个新的数组，将旧值复制到新的数组，将新数组返回
private void tryGrow(Object[] array, int oldCap) {
lock.unlock(); // must release and then re-acquire main lock
Object[] newArray = null;
if (allocationSpinLock == 0 &&
UNSAFE.compareAndSwapInt(this, allocationSpinLockOffset,
0, 1)) {
try {
//重点还是看这里
int newCap = oldCap + ((oldCap < 64) ?
(oldCap + 2) : // grow faster if small
(oldCap >> 1));
//数组超过最大值抛异常
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;
}
if (newCap > oldCap && queue == array)
newArray = new Object[newCap];
} finally {
allocationSpinLock = 0;
}
}
if (newArray == null) // back off if another thread is allocating
Thread.yield();
lock.lock();
if (newArray != null && queue == array) {
queue = newArray; //获取新数组
System.arraycopy(array, 0, newArray, 0, oldCap); //将原值copy到新数组
}
}
2.2.2，数组的入队并排序(重点)
接下里重点进入这个入队的方法，首先先看这个默认的 方法。从下面可以看出该队列时通过小顶堆 的方式实现的，就是通过一个while循环+一个赋值的方式实现
private static void siftUpComparable(int k, T x, Object[] array) {
Comparable key = (Comparable) x; //创建一个比较构造器
while (k > 0) { //队列的元素值
int parent = (k - 1) >>> 1; //获取当前结点的父节点的索引，左移一位即可
Object e = array[parent]; //根据索引下标取值
if (key.compareTo((T) e) >= 0) //比较和交换，如果当前值大于父节点则不动
break;
array[k] = e; //如果当前结点的值小于父结点，则将当前结点改成父结点的值(默认使用的是小顶堆)
k = parent; //k在这个while循环下一定会等于0，因此会走最下面的赋值，就是不断地通过while循环将最小的交换到最上面
}
array[k] = key; //如果队列的长度为0，则直接将堆顶元素赋值
}
在入队之后，数组的size+1，并且最后会唤醒因为数组为空而被加入到条件队列的线程
notEmpty.signal();
最后会通过方法，唤醒同步队列中的线程结点数据
lock.unlock();
2.3，e出队操作
在出队操作中，依旧是通过这个take方法来进行分析，其源码如下，内部主要是出队的操作，如果队列为空，则直接调用这个await进行阻塞，并加入条件队列中
public E take() throws InterruptedException {
final ReentrantLock lock = this.lock;
lock.lockInterruptibly();
E result;
try {
//出队操作
while ( (result = dequeue()) == null)
notEmpty.await(); //阻塞，加入条件队列
} finally {
lock.unlock();
}
return result;
}
随后继续查看这个 () 方法，就是获取当前队列，先获取第一个堆顶元素和最后一个元素，将最后一个元素值清空
private E dequeue() {
int n = size - 1;
if (n < 0) return null; //如果初始值为空则小于0
else {
Object[] array = queue; //获取当前队列
E result = (E) array[0]; //获取第一个数据
E x = (E) array[n]; //获取最后一个数据
array[n] = null; //清除最后一个数据
Comparator cmp = comparator; //获取比较构造器
if (cmp == null)
siftDownComparable(0, x, array, n); //出队操作
else
siftDownUsingComparator(0, x, array, n, cmp);
size = n;
return result;
}
}
2.3.1，数组出队并重新排序
随后真正的调用这个出队的方法 ，其具体实现如下。首先第一步是头结点出队，然后将尾结点作为头结点；其次是递归的比较当前结点的左结点和右结点谁小，谁小则和当前结点比较，如果比当前结点还小则继续交换，直到当前结点没有子结点
private static void siftDownComparable(int k, T x, Object[] array,int n) {
if (n > 0) {
//x是最后一个数据
Comparable key = (Comparable)x;
int half = n >>> 1; // 二分
while (k < half) { //判断当前结点
int child = (k << 1) + 1; // 获取当前结点的左结点
Object c = array[child];
int right = child + 1; //获取当前结点的右结点
if (right < n && //左节点右结点比较和交换
((Comparable) c).compareTo((T) array[right]) > 0)
c = array[child = right]; //谁小谁和头结点交换
if (key.compareTo((T) c) <= 0)
break;
array[k] = c;
k = child;
}
array[k] = key;
}
}
这样就成功的实现了小顶堆的出队操作了，在最后会调用这个()方法进行解锁，并唤醒同步队列中线程结点
lock.unlock();
3，总结
优先级的阻塞队列依旧是采用+条件队列的方式实现，底层采用二叉堆的数据结构，从而实现有序的数组形式。该阻塞队列为无界队列，并且内部有对应的扩容机制，在一些需要优先级的场景中，可以采用这种实现方式。
