集合框架源码分析六之堆结构的实现(PriorityQueue)

/**
*
* 优先队列是用了一种叫做堆的高效的数据结构，
* 堆是用二叉树来描述的，对任意元素n，索引从0开始，如果有子节点的话，则左子树为
* 2*n+1,右子树为2*(n+1)。
* 以堆实现的队列如果不为空的话，queue[0]即为最小值。
*
* PS:此优先队列中的元素并不是升序排列的，只能说是"基本有序"
* 但是queue[0]为树根而且必定是最小元素
*/
class PriorityQueue<E> extends AbstractQueue<E>
implements java.io.Serializable {

private static final long serialVersionUID = -7720805057305804111L;

/**
* 队列初始容量大小
*/
private static final int DEFAULT_INITIAL_CAPACITY = 11;

/**
* 用来存储元素的数组
*/
public transient Object[] queue;

/**
* 队列中元素个数
*/
private int size = 0;

/**
*
* 比较器，如果为空，则使用元素的自然顺序进行排序，
* 反正任意两元素必须是可比的
*/
private final Comparator<? super E> comparator;

/**
*
* 队列发生机构性的改变，比如进行添加，移除等操作，此变量都会加1，
* modCount主要使用来检测是否对队列进行了并发操作
*/
private transient int modCount = 0;

/**
* 创建一个初始容量为11的空队列
*/
public PriorityQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}

/**
* 指定队列的初始容量，如果initialCapacity<1将抛出
* IllegalArgumentException异常
*/
public PriorityQueue(int initialCapacity) {
this(initialCapacity, null);
}

/**
*
* 以指定初始容量与具体比较器对象的方式创建一个队列
* 比较器是用来排序的，大家都懂的。
*/
public PriorityQueue(int initialCapacity,
Comparator<? super E> comparator) {
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.queue = new Object[initialCapacity]; //数组初始化
this.comparator = comparator; //比较器初始化
}

/**
*
* 创建一个包含指定集合c的所有元素的优先队列，
* 如果c是一个SortedSet或另一个优先队列，本队列中的元素
* 顺序与前者相同，否则按其他比较顺序重新排列
*/
public PriorityQueue(Collection<? extends E> c) {
initFromCollection(c);
if (c instanceof SortedSet) //如果是SortedSet,则获取它的比较器
comparator = (Comparator<? super E>)
((SortedSet<? extends E>)c).comparator();
else if (c instanceof PriorityQueue) //如果是PriorityQueue,则获取它的比较器
comparator = (Comparator<? super E>)
((PriorityQueue<? extends E>)c).comparator();
else {
comparator = null;
//从一个无序序列构建一个堆
heapify();
}
}

/**
* 以指定PriorityQueue中的元素，及其Comparator比较器
* 创建一个新的优先队列
*/
public PriorityQueue(PriorityQueue<? extends E> c) {
comparator = (Comparator<? super E>)c.comparator();
initFromCollection(c);
}

/**
* 以指定SortedSet中的元素，及其Comparator比较器
* 创建一个新的优先队列
*/
public PriorityQueue(SortedSet<? extends E> c) {
comparator = (Comparator<? super E>)c.comparator();
initFromCollection(c);
}

/**
*
* 以指定集合中的元素对数组进行初始化
*/
private void initFromCollection(Collection<? extends E> c) {
Object[] a = c.toArray();
//如果c.toArray()不能正确的返回一个数组对象，就复制它为一个数组对象
if (a.getClass() != Object[].class)
a = Arrays.copyOf(a, a.length, Object[].class);
queue = a; //初始化数组
size = a.length; //初始化size
}

/**
*
* 动态数组容量扩充的方法
* @param minCapacity 最小容量
*/
private void grow(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
int oldCapacity = queue.length; //原始容量大小
//如果原始容量小于64则扩充为原来的2倍，否则扩充为原来的1.5倍
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); //这个方法真好用
}

/**
*
* 向优先队列中插入一个元素
* e为null则则抛出NullPointerException
* e为不相符的类型则抛出ClassCastException
* 具体实现见offer方法
*/
public boolean add(E e) {
return offer(e);
}

public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
modCount++; //添加了元素，modCount++
int i = size;
if (i >= queue.length) //如果已经添加的元素个数已经超出了数组的容量则进行容量扩充
grow(i + 1);
size = i + 1;
if (i == 0) //如果添加之前是空队列
queue[0] = e;
else
siftUp(i, e);
return true;
}

/**
* 取出最小元素，即根元素，即第1个元素
*/
public E peek() {
if (size == 0)
return null;
return (E) queue[0];
}

/**
* 由于内部是用数组存储数据，只需要遍历数组即可
*/
private int indexOf(Object o) {
if (o != null) {
for (int i = 0; i < size; i++)
if (o.equals(queue[i]))
return i;
}
return -1;
}

/**
*
* 从队列中移除指定元素,如果有多个，移除第一个
* 方法：首先根据indexOf查找此元素的索引，然后根据索引移除元素
*/
public boolean remove(Object o) {
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i);
return true;
}
}

/**
* 如果队列中存在o则移除它
*/
boolean removeEq(Object o) {
for (int i = 0; i < size; i++) {
if (o == queue[i]) {
removeAt(i);
return true;
}
}
return false;
}

/**
* 查看队列中是否包含o
*/
public boolean contains(Object o) {
return indexOf(o) != -1;
}

/**
* toArray
*/
public Object[] toArray() {
return Arrays.copyOf(queue, size);
}

/**
* 老方法了，不多说
*/
public <T> T[] toArray(T[] a) {
if (a.length < size)
// Make a new array of a's runtime type, but my contents:
return (T[]) Arrays.copyOf(queue, size, a.getClass());
System.arraycopy(queue, 0, a, 0, size);
if (a.length > size)
a[size] = null;
return a;
}

/**
* 返回此队列的一个迭代器
*/
public Iterator<E> iterator() {
return new Itr();
}

private final class Itr implements Iterator<E> {
/**
* 数组中的索引
*/
private int cursor = 0;

/**
*
* 最近一次调用next方法返回的元素的索引
* 如果此索引的元素被移除了，重置lastRet为-1
*/
private int lastRet = -1;

/**
*
* 保存移除元素时所遇到的特殊情况，
* 一般调用removeAt(int)方法返回的是null，如果值返回不为空则遇到特殊情况
* 要将返回的值保存在forgetMeNot队列中，cursor大于size时从forgetMeNot中取
* 见removeAt方法
*/
public ArrayDeque<E> forgetMeNot = null;

/**
* 最后最近一次调用next方法返回的元素
*/
private E lastRetElt = null;

/**
* 检测是否有并发操作
*/
private int expectedModCount = modCount;

public boolean hasNext() {
return cursor < size ||
(forgetMeNot != null && !forgetMeNot.isEmpty());
}

public E next() {
if (expectedModCount != modCount)
throw new ConcurrentModificationException();
if (cursor < size)
return (E) queue[lastRet = cursor++];
if (forgetMeNot != null) {
lastRet = -1;
lastRetElt = forgetMeNot.poll();
if (lastRetElt != null)
return lastRetElt;
}
throw new NoSuchElementException();
}

public void remove() {
if (expectedModCount != modCount)
throw new ConcurrentModificationException();
if (lastRet != -1) {
E moved = PriorityQueue.this.removeAt(lastRet);
lastRet = -1;
if (moved == null)
cursor--;
else {
if (forgetMeNot == null)
forgetMeNot = new ArrayDeque<E>();
forgetMeNot.add(moved);
}
} else if (lastRetElt != null) {
PriorityQueue.this.removeEq(lastRetElt);
lastRetElt = null;
} else {
throw new IllegalStateException();
}
expectedModCount = modCount;
}
}

public int size() {
return size;
}

/**
* 移除队列中所有元素
* 移除后队列为空
*/
public void clear() {
modCount++;
for (int i = 0; i < size; i++)
queue[i] = null;
size = 0;
}

/**
* 移除第一个元素(最小的元素)
* 并重新调整堆结构
*/

public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
E result = (E) queue[0];
E x = (E) queue[s];
queue[s] = null;
if (s != 0)
siftDown(0, x);
return result;
}

/**
*
* 移除队列中的第i个元素
* 移除元素时要重新调整堆,
* 移除成功返回值也可能为null
*/
public E removeAt(int i) {
assert i >= 0 && i < size;
modCount++; //移除元素，队列结构改变modCount++
int s = --size;
if (s == i) // 如果是最后一个元素，直接移除
queue[i] = null;
else {
E moved = (E) queue[s]; //这是最后一个元素
queue[s] = null; //首先将其设为null
/*用i的较小子节点替换i，即把i移出去，
其子孙节点依次上升，最后一个子孙叶子节点以moved替换*/
siftDown(i, moved);

/*前面一步已经调整好了堆结构，这一步可能是为了处理特殊情况(我没遇到过这种特殊情况)
queue[i] == moved，queue[i]是已经调整过的值*/
if (queue[i] == moved) {
siftUp(i, moved);
if (queue[i] != moved)
return moved;
}
}
return null;
}

/**
* 添加元素后，重新调整堆的过程，这里从下向上调整x的位置。
* 这比初始构建堆更简单
*/
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}

private void siftUpComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>) x;
while (k > 0) { //<=0就不用调整了
int parent = (k - 1) >>> 1; //x的父节点
Object e = queue[parent];
if (key.compareTo((E) e) >= 0) //如果x小于parent则终止调整
break;
queue[k] = e; //否则父节点向下移，x为父节点
k = parent; //从x处继续调整
}
queue[k] = key;
}

/**
* 同上
*/
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;
}

/**
*
* 节点的调整：从此节点开始，由上至下进行位置调整。把小值上移。
* 可以称之为一次筛选，从一个无序序列构建堆的过程就是一个不断筛选的过程.
* 直到筛选到的节点为叶子节点，或其左右子树均大于此节点就停止筛选。
*/
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else //如果比较器为空，则按自然顺序比较元素
siftDownComparable(k, x);
}

/**
* 比较器为空的一趟筛选过程。
* PS:元素必须自己已经实现了Comparable方法
* 否则将抛出异常
*/
private void siftDownComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>)x; //父节点值
int half = size >>> 1; // loop while a non-leaf
while (k < half) { //如果还不是叶子节点
int child = (k << 1) + 1; //左子节点索引，先假设其值最小
Object c = queue[child];
int right = child + 1; //右子节点索引
if (right < size &&
((Comparable<? super E>) c).compareTo((E) queue[right]) > 0) //如果左节点大于右节点
c = queue[child = right]; //右节点为最小值
if (key.compareTo((E) c) <= 0) //如果父节点小于左右节点中的最小值，则停止筛选
break;
queue[k] = c; //小值上移
k = child; //沿着较小值继续筛选
}
queue[k] = key; //把最先的父节点的值插入到正确的位置
}

/**
* 比较器不为空的一趟筛选过程
* 一样的
*/
private void siftDownUsingComparator(int k, E x) {
int half = size >>> 1;
while (k < half) {
int child = (k << 1) + 1;
Object c = queue[child];
int right = child + 1;
if (right < size &&
comparator.compare((E) c, (E) queue[right]) > 0)
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = x;
}

/**
* 构造初始堆的过程
*/
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--) //从最后一个非终端节点(size/2 - 1)开始调整位置
siftDown(i, (E) queue[i]);
}

/**
* 返回比较器
*/
public Comparator<? super E> comparator() {
return comparator;
}

/**
* 序列化此队列
*/
private void writeObject(java.io.ObjectOutputStream s)
throws java.io.IOException{
// Write out element count, and any hidden stuff
s.defaultWriteObject();

// Write out array length, for compatibility with 1.5 version
s.writeInt(Math.max(2, size + 1));

// Write out all elements in the "proper order".
for (int i = 0; i < size; i++)
s.writeObject(queue[i]);
}

/**
* 读取序列化的文件
*/
private void readObject(java.io.ObjectInputStream s)
throws java.io.IOException, ClassNotFoundException {
// Read in size, and any hidden stuff
s.defaultReadObject();

// Read in (and discard) array length
s.readInt();

queue = new Object[size];

// Read in all elements.
for (int i = 0; i < size; i++)
queue[i] = s.readObject();

heapify(); //重新构建堆
}
}

集合框架源码分析六之堆结构的实现(PriorityQueue)相关推荐

集合框架源码分析四(Collections类详细分析)
我认为Collections类主要是完成了两个主要功能 1.提供了若干简单而又有用的算法,比如排序,二分查找,求最大最小值等等. 2.提供对集合进行包装的静态方法.比如把指定的集合包装成线程安全的 ...
集合框架源码分析一(接口篇)
一.Iterable接口 public interface Iterable<T> { /** * 实现此接口的所有集合都可以使用foreach循环 * 由于Colle ...
集合框架源码分析三(实现类篇ArrayList,LinkedList,HashMap)
一.ArrayList,可自动扩充容量的动态数组 public class ArrayList<E> extends AbstractList<E> implements Li ...
集合框架源码分析——抽象类
public abstract class AbstractCollection<E> implements Collection<E> { /** * 唯一 ...
集合框架源码分析五之LinkedHashMap，LinkedHashSet
LinkedHashMap是为了解决遍历Hash表的无序问题,它内部维护了一个链表用于记录你插入元素(或你访问元素的顺序)的位置,遍历时直接遍历链表,元素的顺序即为你插入的顺序,但是Entry对象要多 ...
Android框架源码分析——从设计模式角度看 Retrofit 核心源码
Android框架源码分析--从设计模式角度看 Retrofit 核心源码 Retrofit中用到了许多常见的设计模式:代理模式.外观模式.构建者模式等.我们将从这三种设计模式入手,分析 Retrof ...
SPI驱动框架源码分析
SPI驱动框架源码分析 2013-04-12 16:13:08 分类: LINUX SPI驱动框架源码分析 SPI协议是一种同步的串行数据连接标准,由摩托罗拉公司命名,可工作于全双工模式.相关通讯设 ...
Java集合类框架源码分析之 LinkedList源码解析【4】
上一篇介绍了ArrayList的源码分析[点击看文章],既然ArrayList都已经做了介绍,那么作为他同胞兄弟的LinkedList,当然必须也配拥有姓名! Talk is cheap,show m ...
Spark RPC框架源码分析（二）RPC运行时序
前情提要: Spark RPC框架源码分析(一)简述一. Spark RPC概述上一篇我们已经说明了Spark RPC框架的一个简单例子,Spark RPC相关的两个编程模型,Actor模型和Re ...

集合框架源码分析六之堆结构的实现(PriorityQueue)

集合框架源码分析六之堆结构的实现(PriorityQueue)相关推荐

最新文章

热门文章