(46) 剖析PriorityQueue / 计算机程序的思维逻辑
(46) 剖析PriorityQueue / 计算机程序的思维逻辑
上节介绍了堆的基本概念和算法，本节我们来探讨堆在Java中的具体实现类 - PriorityQueue。
我们先从基本概念谈起，然后介绍其用法，接着分析实现代码，最后总结分析其特点。
基本概念
顾名思义，PriorityQueue是优先级队列，它首先实现了队列接口(Queue)，与LinkedList类似，它的队列长度也没有限制，与一般队列的区别是，它有优先级的概念，每个元素都有优先级，队头的元素永远都是优先级最高的。
PriorityQueue内部是用堆实现的，内部元素不是完全有序的，不过，逐个出队会得到有序的输出。
虽然名字叫优先级队列，但也可以将PriorityQueue看做是一种比较通用的实现了堆的性质的数据结构，可以用PriorityQueue来解决适合用堆解决的问题，下一节我们会来看一些具体的例子。
基本用法
Queue接口
PriorityQueue实现了Queue接口，我们在LinkedList一节介绍过Queue，为便于阅读，这里重复下其定义：
public interface Queue<E> extends Collection<E> {
boolean add(E e);
boolean offer(E e);
E remove();
E poll();
E element();
E peek();
}
Queue扩展了Collection，主要操作有三个：
- 在尾部添加元素 (add, offer)
- 查看头部元素 (element, peek)，返回头部元素，但不改变队列
- 删除头部元素 (remove, poll)，返回头部元素，并且从队列中删除
构造方法
PriorityQueue有多个构造方法，如下所示：
public PriorityQueue()
public PriorityQueue(int initialCapacity)
public PriorityQueue(int initialCapacity, Comparator<? super E> comparator)
public PriorityQueue(Collection<? extends E> c)
public PriorityQueue(PriorityQueue<? extends E> c)
public PriorityQueue(SortedSet<? extends E> c)
PriorityQueue是用堆实现的，堆物理上就是数组，与ArrayList类似，PriorityQueue同样使用动态数组，根据元素个数动态扩展，initialCapacity表示初始的数组大小，可以通过参数传入。对于默认构造方法，initialCapacity使用默认值11。对于最后三个构造方法，它们接受一个已有的Collection，数组大小等于参数容器中的元素个数。
与TreeMap/TreeSet类似，为了保持一定顺序，PriorityQueue要求，要么元素实现Comparable接口，要么传递一个比较器Comparator：
- 对于前两个构造方法和接受Collection参数的构造方法，要求元素实现Comparable接口。
- 第三个构造方法明确传递了Comparator。
- 对于最后两个构造方法，参数容器有comparator()方法，PriorityQueue使用和它们一样的，如果返回的comparator为null，则也要求元素实现Comparable接口。
基本例子
我们来看个基本的例子：
Queue<Integer> pq = new PriorityQueue<>();
pq.offer(10);
pq.add(22);
pq.addAll(Arrays.asList(new Integer[]{
11, 12, 34, 2, 7, 4, 15, 12, 8, 6, 19, 13 }));
while(pq.peek()!=null){
System.out.print(pq.poll() + " ");
}
代码很简单，添加元素，然后逐个从头部删除，与普通队列不同，输出是从小到大有序的：
2 4 6 7 8 10 11 12 12 13 15 19 22 34
如果希望是从大到小呢？传递一个逆序的Comparator，将第一行代码替换为：
Queue<Integer> pq = new PriorityQueue<>(11, Collections.reverseOrder());
输出就会变为：
34 22 19 15 13 12 12 11 10 8 7 6 4 2
任务队列
我们再来看个例子，模拟一个任务队列，定义一个内部类Task表示任务，如下所示：
static class Task {
int priority;
String name;
public Task(int priority, String name) {
this.priority = priority;
this.name = name;
}
public int getPriority() {
return priority;
}
public String getName() {
return name;
}
}
Task有两个实例变量，priority表示优先级，值越大优先级越高，name表示任务名称。
Task没有实现Comparable，我们定义一个单独的静态成员taskComparator表示比较器，如下所示：
private static Comparator<Task> taskComparator = new Comparator<Task>() {
@Override
public int compare(Task o1, Task o2) {
if(o1.getPriority()>o2.getPriority()){
return -1;
}else if(o1.getPriority()<o2.getPriority()){
return 1;
}
return 0;
}
};
下面来看任务队列的示例代码：
Queue<Task> tasks = new PriorityQueue<Task>(11, taskComparator);
tasks.offer(new Task(20, "写日记"));
tasks.offer(new Task(10, "看电视"));
tasks.offer(new Task(100, "写代码"));
Task task = tasks.poll();
while(task!=null){
System.out.print("处理任务: "+task.getName()
+"，优先级:"+task.getPriority()+"\n");
task = tasks.poll();
}
代码很简单，就不解释了，输出任务按优先级排列：
处理任务: 写代码，优先级:100
处理任务: 写日记，优先级:20
处理任务: 看电视，优先级:10
实现原理
理解了PriorityQueue的用法和特点，我们来看其具体实现代码，从内部组成开始。
内部组成
内部有如下成员：
private transient Object[] queue;
private int size = 0;
private final Comparator<? super E> comparator;
private transient int modCount = 0;
queue就是实际存储元素的数组。size表示当前元素个数。comparator为比较器，可以为null。modCount记录修改次数，在介绍第一个容器类ArrayList时已介绍过。
如何实现各种操作，且保持堆的性质呢？我们来看代码，从基本构造方法开始。
基本构造方法
几个基本构造方法的代码是：
public PriorityQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
public PriorityQueue(int initialCapacity) {
this(initialCapacity, null);
}
public PriorityQueue(int initialCapacity,
Comparator<? super E> comparator) {
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.queue = new Object[initialCapacity];
this.comparator = comparator;
}
代码很简单，就是初始化了queue和comparator。
下面介绍一些操作的代码，大部分的算法和图示，我们在上节已经介绍过了。
添加元素 (入队)
代码为：
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
modCount++;
int i = size;
if (i >= queue.length)
grow(i + 1);
size = i + 1;
if (i == 0)
queue[0] = e;
else
siftUp(i, e);
return true;
}
offer方法的基本步骤为：
- 首先确保数组长度是够的，如果不够，调用grow方法动态扩展。
- 增加长度 (size=i+1)
- 如果是第一次添加，直接添加到第一个位置即可 (queue[0]=e)。
- 否则将其放入最后一个位置，但同时向上调整，直至满足堆的性质 (siftUp)
有两步复杂一些，一步是grow，另一步是siftUp，我们来细看下。
grow方法的代码为：
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);
}
如果原长度比较小，大概就是扩展为两倍，否则就是增加50%，使用Arrays.copyOf方法拷贝数组。
siftUp的基本思路我们在上节介绍过了，其实际代码为：
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
根据是否有comparator分为了两种情况，代码类似，我们只看一种：
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;
}
参数k表示插入位置，x表示新元素。k初始等于数组大小，即在最后一个位置插入。代码的主要部分是：往上寻找x真正应该插入的位置，这个位置用k表示。
怎么找呢？新元素(x)不断与父节点(e)比较，如果新元素(x)大于等于父节点(e)，则已满足堆的性质，退出循环，k就是新元素最终的位置，否则，将父节点往下移(queue[k]=e)，继续向上寻找。这与上节介绍的算法和图示是对应的。
查看头部元素
代码为：
public E peek() {
if (size == 0)
return null;
return (E) queue[0];
}
就是返回第一个元素。
删除头部元素 (出队)
代码为：
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;
}
返回结果result为第一个元素，x指向最后一个元素，将最后位置设置为null (queue[s] = null)，最后调用siftDown将原来的最后元素x插入头部并调整堆，siftDown的代码为：
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
同样分为两种情况，代码类似，我们只看一种：
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
Object c = queue[child];
int right = child + 1;
if (right < size &&
((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)
c = queue[child = right];
if (key.compareTo((E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = key;
}
k表示最终的插入位置，初始为0，x表示原来的最后元素。代码的主要部分是：向下寻找x真正应该插入的位置，这个位置用k表示。
怎么找呢？新元素key不断与较小的孩子比较，如果小于等于较小的孩子，则已满足堆的性质，退出循环，k就是最终位置，否则将较小的孩子往上移，继续向下寻找。这与上节介绍的算法和图示也是对应的。
解释下其中的一些代码：
- k<half，表示的是，编号为k的节点有孩子节点，没有孩子，就不需要继续找了。
- child表示较小的孩子编号，初始为左孩子，如果有右孩子(编号right)且小于左孩子则child会变为right。
- c表示较小的孩子节点。
查找元素
代码为：
public boolean contains(Object o) {
return indexOf(o) != -1;
}
indexOf的代码为：
private int indexOf(Object o) {
if (o != null) {
for (int i = 0; i < size; i++)
if (o.equals(queue[i]))
return i;
}
return -1;
}代码很简单，就是数组的查找。
根据值删除元素
也可以根据值删除元素，代码为：
public boolean remove(Object o) {
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i);
return true;
}
}先查找元素的位置i，然后调用removeAt进行删除，removeAt的代码为：
private E removeAt(int i) {
assert i >= 0 && i < size;
modCount++;
int s = --size;
if (s == i) // removed last element
queue[i] = null;
else {
E moved = (E) queue[s];
queue[s] = null;
siftDown(i, moved);
if (queue[i] == moved) {
siftUp(i, moved);
if (queue[i] != moved)
return moved;
}
}
return null;
}
如果是删除最后一个位置，直接删即可，否则移动最后一个元素到位置i并进行堆调整，调整有两种情况，如果大于孩子节点，则向下调整，否则如果小于父节点则向上调整。
代码先向下调整(siftDown(i, moved))，如果没有调整过(queue[i] == moved)，可能需向上调整，调用siftUp(i, moved)。
如果向上调整过，返回值为moved，其他情况返回null，这个主要用于正确实现PriorityQueue迭代器的删除方法，迭代器的细节我们就不介绍了。
构建初始堆
如果从一个既不是PriorityQueue也不是SortedSet的容器构造堆，代码为：
private void initFromCollection(Collection<? extends E> c) {
initElementsFromCollection(c);
heapify();
}
initElementsFromCollection的主要代码为：
private void initElementsFromCollection(Collection<? extends E> c) {
Object[] a = c.toArray();
if (a.getClass() != Object[].class)
a = Arrays.copyOf(a, a.length, Object[].class);
this.queue = a;
this.size = a.length;
}
主要是初始化queue和size。
heapify的代码为：
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--)
siftDown(i, (E) queue[i]);
}
与之前算法一样，heapify也在上节介绍过了，就是从最后一个非叶节点开始，自底向上合并构建堆。
如果构造方法中的参数是PriorityQueue或SortedSet，则它们的toArray方法返回的数组就是有序的，就满足堆的性质，就不需要执行heapify了。
PriorityQueue特点分析
PriorityQueue实现了Queue接口，有优先级，内部是用堆实现的，这决定了它有如下特点：
- 实现了优先级队列，最先出队的总是优先级最高的，即排序中的第一个。
- 优先级可以有相同的，内部元素不是完全有序的，如果遍历输出，除了第一个，其他没有特定顺序。
- 查看头部元素的效率很高，为O(1)，入队、出队效率比较高，为O(log2(N))，构建堆heapify的效率为O(N)。
- 根据值查找和删除元素的效率比较低，为O(N)。
小结
本节介绍了Java中堆的实现类PriorityQueue，它实现了队列接口Queue，但按优先级出队，我们介绍了其用法和实现代码。
除了用作基本的优先级队列，PriorityQueue还可以作为一种比较通用的数据结构，用于解决一些其他问题，让我们在下一节继续探讨。