概述
首先，Priority翻译之后是优先级的意思，而PriorityQueue，也就是优先级队列的意思。优先级队列，和普通的先进先出（FIFO）的队列不同，优先队列每次取出的元素都是队列中优先级最高的，而PriorityQueue默认优先级是取出元素最小的值，当然也可以按照我们指定的规则来自定义优先级。
首先，我们先看下官方API：
https://docs.oracle.com/javase/8/docs/api/java/util/PriorityQueue.html
通过文档，我们可以看到PriorityQueue优先级队列的一些性质：
- PriorityQueue是基于优先级堆来实现的无界优先队列，是在JDK1.5之后引入的类；
- 优先队列的元素按照它们的自然排序顺序排列，或者根据使用的构造方法提供的比较器来进行排序；
- 优先队列不允许null元素；
- 优先队列不允许插入非可比的对象，有可能会抛出ClassCastException，比如对int排序，你添加了一个字符串类型的元素。
- 该优先队列每次取出的元素都是最小的。接口offer, poll, remove(),add方法，查询时间都是O(log(n))，
- 优先队列迭代器迭代的顺序无法保证，如果想有序遍历，请考虑使用Arrays.sort(priorityQueue.toArray())；而对于remove(Object) and contains(Object)方法，查询是线性时间；而对于peek, element, and size方法，查询是常数时间。
- 该优先队列不是线程安全的，如果要在线程安全的场景下使用，建议使用线程安全的PriorityBlockingQueue类（优先级阻塞队列）；
PriorityQueue是基于堆来实现的，而堆这个数据结构是怎样的呢。我们来大概说下，学过数据结构的应该都知道，堆是利用完全二叉树来进行处理数据，而完全二叉树又是怎样的呢。
若二叉树的深度是h，那么除第h层外，其他各层（1～h-1）层的结点数都达到最大个数，第h层所有的结点都连续集中在最左边，这就是完全二叉树。而堆就是基于这种数据结构来处理数据的。我们用一张图大致来看下完全二叉树：
完全二叉树图示
如图所示，图1是完全二叉树，而图二由于第三层所有的节点并非连续集中在最左侧，所以不是完全二叉树；而图三，由于第三层的结点没有达到最大个数（最大个数是4），所以也不是完全二叉树。
其中堆一般还分为两种：最大堆和最小堆。
- 顾名思义，最小堆就是根结点是所有数据中最小的元素，并且堆中每个结点的值总是不大于其孩子结点的值。
- 而最大堆就是根结点是所有结点中最大的元素，并且堆中每个结点的值总是不小于其孩子结点的值。
而PriorityQueue则是基于最小堆来实现的，并且底层是通过数组来构建堆的数据结构。由于本文的重点并不是堆亦或是完全二叉树，所以堆的介绍就到这里来了。接下来我们来学习PriorityQueue的源码。
继承结构及属性
public class PriorityQueue<E> extends AbstractQueue<E>
implements java.io.Serializable {
// 使用数组来构造堆，也就是优先级队列
transient Object[] queue;
// 数组默认的初始化容量
private static final int DEFAULT_INITIAL_CAPACITY = 11;
// 队列的容量
private int size = 0;
// 比较器
private final Comparator<? super E> comparator;
// 结构化修改次数
transient int modCount = 0;
// 数组最大容量限制，Integer最大值-8是说一些虚拟机可能会在数组中保留一些header words的空间，
// 所以没有取Integer最大值
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
}
首先，PriorityQueue是继承自AbstractQueue，AbstractQueue则是实现了Queue接口，封装了一些队列基础的方法。
- 优先队列底层使用数组来操作数据，并且数组的默认初始化容量是11，如果我们没有指定比较器，那系统将按照自然顺序来构建优先队列。
- 根据数组queue的注释，我们可以知道，父节点与子节点的下标值之间的关联关系是：
childLeftNode= 2 * parentNode + 1;childRightNode= 2 * (parentNode + 1);，那么根据当前结点计算父结点也很简单：parentNode = (thisNode - 1) / 2。
Priority queue represented as a balanced binary heap: the two children of queue[n] are queue[2n+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.
比如依次调用PriorityQueue的add方法，放入：3，5，7，1，9，12，18，7，6。画了一张图，大概如下：
优先队列数据
构造方法
了解了优先队列的大致结构及父子间关联关系之后，我们来看几个常用的构造方法。
/**
* 默认构造方法，初始化容量为11，比较器为空
*/
public PriorityQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
/**
* 指定具体容量的构造方法
*/
public PriorityQueue(int initialCapacity) {
this(initialCapacity, null);
}
/**
* 指定比较器的构造方法
*/
public PriorityQueue(Comparator<? super E> comparator) {
this(DEFAULT_INITIAL_CAPACITY, comparator);
}
/**
* 指定容量和比较器的构造方法，
*/
public PriorityQueue(int initialCapacity,
Comparator<? super E> comparator) {
// Note: This restriction of at least one is not actually needed,
// but continues for 1.5 compatibility
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.queue = new Object[initialCapacity];
this.comparator = comparator;
}
/**
* 将集合转换为队列，根据集合类型不同，又分为三种情况
*/
public PriorityQueue(Collection<? extends E> c) {
if (c instanceof SortedSet<?>) {
SortedSet<? extends E> ss = (SortedSet<? extends E>) c;
this.comparator = (Comparator<? super E>) ss.comparator();
initElementsFromCollection(ss);
}
else if (c instanceof PriorityQueue<?>) {
PriorityQueue<? extends E> pq = (PriorityQueue<? extends E>) c;
this.comparator = (Comparator<? super E>) pq.comparator();
initFromPriorityQueue(pq);
}
else {
this.comparator = null;
initFromCollection(c);
}
}
还有几个构造方法是是实现方式和上面这几个差不多，就不一一贴上了。
方法
add方法
public boolean add(E e) {
return offer(e);
}
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
modCount++;
int i = size;
// 是否扩容
if (i >= queue.length)
grow(i + 1);
size = i + 1;
if (i == 0)
queue[0] = e;
else
siftUp(i, e);
return true;
}
首先，add方法内部全是通过offer方法来实现的，我们来看一下offer方法的大致实现过程：
- 判空，添加数据不能为null；
- 根据size与数组长度比较，判断是否扩容；
- 判断添加的是不是第一个元素，如果不是，进行调整，增加完元素之后，我们需要进行调整才能维护最大堆或最小堆的性质。而这里的这个调整在堆中被称为上浮（对应的方法是siftUp）。
grow方法
那么我们就接着来看扩容方法grow。
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);
}
private static int hugeCapacity(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
return (minCapacity > MAX_ARRAY_SIZE) ?
Integer.MAX_VALUE :
MAX_ARRAY_SIZE;
}
扩容的时候，先判断当前队列容量是否<64，如果是扩容一倍容量，如果不是，扩容原容量的1/2。而hugeCapacity方法我们也看到多次了，参考List的扩容就知道了，就是溢出检查，而拷贝的方法也还是Arrays.copyOf方法。
siftUp方法
这个方法就是添加完元素之后进行的上浮调整方法。
private void siftUp(int k, E x) {
// 是否有比较器
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
/**
* 如果有比较器，调用该方法，内部实现和siftUpComparable类似
*/
private void siftUpUsingComparator(int k, E x) {
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = queue[parent];
if (comparator.compare(x, (E) e) >= 0)
break;
queue[k] = e;
k = parent;
}
queue[k] = x;
}
/**
* 如果没有比较器，调用该方法
*/
private void siftUpComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>) x;
// k是下标值，保证结点有父级结点
while (k > 0) {
// 通过无符号右移，计算父级结点下标，-> parent = (thisNode -1) / 2
int parent = (k - 1) >>> 1;
// 获取父级结点的值
Object e = queue[parent];
// 比较要插入结点与父级结点值，如果大于父级结点，不需要移动，结束
if (key.compareTo((E) e) >= 0)
break;
// 如果小于父结点值，父结点值上移，
queue[k] = e;
// 改变下标值
k = parent;
}
// 最终将当前结点值放到对应的位置上
queue[k] = key;
}
通过代码我们可以看到，调整的方式是判断是否有比较器，然后调用各自对应的处理方法。
- 没有比较器，会按照我们添加的数据类型的比较器，也就是所谓的自然顺序来进行比较。比如说，我们添加的数据类型是int，那么这里会按照Integer的Comparable来进行排序；
- 有比较器，按照对应的比较器的顺序来进行上浮操作。
由于画图工具太繁琐，操作流程可以参考网上的一个示例：
上浮操作
图片来源于：JDK源码研究PriorityQueue（优先队列)
peek方法和poll方法
public E peek() {
return (size == 0) ? null : (E) queue[0];
}
public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
// 堆中最小值
E result = (E) queue[0];
// 取数组中最后一个元素的值
E x = (E) queue[s];
// 将堆中最后一个值设置为null
queue[s] = null;
// 如果数组不是只有一个元素，执行下沉操作
if (s != 0)
// 下沉操作
siftDown(0, x);
return result;
}
这两个都是出队的方法。其中，peek方法特别简单，就是取出堆中最小值元素，然后不移除数据，不用调整堆。
而poll方法是取出堆中最小值的同时，移除该数据，同样，为了保证最小堆的性质，我们需要对堆进行另一种操作：下沉（siftDown）。
siftDown方法
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
private void siftDownComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>)x;
// 计算非叶子结点元素的最大位置
int half = size >>> 1; // loop while a non-leaf
// 循环判断是否是叶子结点
while (k < half) {
// 计算左子结点
int child = (k << 1) + 1; // assume left child is least
Object c = queue[child];
// 右子结点等于左子结点下标加1
int right = child + 1;
// 如果左结点的值大于右结点，左结点赋值为右结点值
if (right < size &&
((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)
c = queue[child = right];
// 然后重新和父结点进行比较，如果大于父结点，不需要移动，结束
if (key.compareTo((E) c) <= 0)
break;
// 父结点下移
queue[k] = c;
// 改变下标，循环此操作
k = child;
}
queue[k] = key;
}
- 先计算非叶子结点元素的最大位置；
- 循环判断是否是叶子结点；
- 计算根结点的左右子结点（也可以逻辑理解为将尾结点移动至根结点位置），然后循环比较根结点的左右子结点与尾结点值大小，直到尾结点的值小于其左右结点，或者尾结点处于叶子结点位置上时循环终止。
由于siftDownUsingComparator方法内部和siftDownComparable类似，就不解释了。
下沉操作
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沉。
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。
remove方法
public boolean remove(Object o) {
//获取元素的下标
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i);
return true;
}
}
/**
* 执行移除操作
*/
private E removeAt(int i) {
// assert i >= 0 && i < size;
modCount++;
int s = --size;
// 如果要移除的就是最后一个元素，赋值为null
if (s == i) // removed last element
queue[i] = null;
else {
// 取队列尾元素
E moved = (E) queue[s];
// 将队尾元素置为null
queue[s] = null;
// 下沉操作
siftDown(i, moved);
// 如果下移后元素位置没发生变化，说明moved的左右子结点都大于moved，这时就需要上浮操作
if (queue[i] == moved) {
// 上浮操作
siftUp(i, moved);
// 如果上浮之后发生了元素位置
if (queue[i] != moved)
return moved;
}
}
return null;
}
通过代码，我们可以知道remove方法是从队列中移除指定元素，如果该元素有不止一个，则移除数组中的一个出现的元素。
下沉操作
上浮操作
其他方法
/**
* 查看是否包含，只需要拿indexOf的返回值和1进行比较即可
*/
public boolean contains(Object o) {
return indexOf(o) != -1;
}
/**
* 获取元素的下标
*/
private int indexOf(Object o) {
if (o != null) {
// 循环遍历
for (int i = 0; i < size; i++)
// 调用equals方法进行比较
if (o.equals(queue[i]))
return i;
}
return -1;
}
到这里，大部分方法都基本上分析完了。
总结
- 优先队列是基于最小堆来实现的一种无界的队列，所以，队头出队的元素总是最小的。该队列不允许null元素，可以自定义优先级，也就是比较规则；
- 该队列不是线程安全的，如果要在线程安全的场景下使用，建议使用线程安全的PriorityBlockingQueue类；
本文参考自：
https://docs.oracle.com/javase/8/docs/api/java/util/PriorityQueue.html
JDK源码研究PriorityQueue（优先队列）
网友评论