双端队列、优先级队列、阻塞队列

本节也来自于黑马数据结构与算法

1 双端队列

1.1 概述

双端队列、队列、栈对比

	定义	特点
队列	一端删除（头）另一端添加（尾）	First In First Out
栈	一端删除和添加（顶）	Last In First Out
双端队列	两端都可以删除、添加
优先级队列		优先级高者先出队
延时队列		根据延时时间确定优先级
并发非阻塞队列	队列空或满时不阻塞
并发阻塞队列	队列空时删除阻塞、队列满时添加阻塞

注1：

• Java 中 LinkedList 即为典型双端队列实现，不过它同时实现了 Queue 接口，也提供了栈的 push pop 等方法

注2：

• 不同语言，操作双端队列的方法命名有所不同，参见下表

  操作	Java	JavaScript	C++	leetCode 641
  尾部插入	offerLast	push	push_back	insertLast
  头部插入	offerFirst	unshift	push_front	insertFront
  尾部移除	pollLast	pop	pop_back	deleteLast
  头部移除	pollFirst	shift	pop_front	deleteFront
  尾部获取	peekLast	at(-1)	back	getRear
  头部获取	peekFirst	at(0)	front	getFront

1.2 应用实例

黑马代码如下

接口定义

package com.atguigu.linkedlist;/*** @author 小小低头哥* @version 1.0* 黑马程序接口定义*/
public interface Deque<E>{//向队列的头部添加元素boolean offerFirst(E e);//像队列的尾部添加元素boolean offerLast(E e);//移除第一个元素E pollFirst();//移除最后一个元素E pollLast();//显示第一个元素E peekFirst();//显示最后一个元素E peekLast();//是否为空boolean isEmpty();//是否为满boolean isFull();
}

1.2.1 双端链表实现

class ListedListDeque<E> implements Deque<E>, Iterable {@Overridepublic boolean offerFirst(E e) {    //添加到头部if (isFull()) {return false;}//对应双端链表头部的插入操作Node<E> a = sentinel;Node<E> b = sentinel.next;Node<E> added = new Node<>(a, e, b);a.next = added;b.prev = added;size++;return true;}@Overridepublic boolean offerLast(E e) { //添加到尾部if (isFull()) {   //如果为空 返回falsereturn false;}//对应双端链表尾部的插入操作Node<E> b = sentinel;Node<E> a = sentinel.prev;Node<E> added = new Node<>(a, e, b);a.next = added;b.prev = added;size++;return true;}@Overridepublic E pollFirst() {  //移除第一个元素if (isEmpty()) {return null;}//对应双端链表头部的删除操作Node<E> a = sentinel;Node<E> removed = sentinel.next;Node<E> b = removed.next;a.next = b;b.prev = a;size--;return removed.value;}@Overridepublic E pollLast() {   //移除最后一个元素if (isEmpty()) {return null;}//对应双端链表尾部的插入操作Node<E> b = sentinel;Node<E> removed = sentinel.prev;Node<E> a = removed.prev;a.next = b;b.prev = a;size--;return removed.value;}@Overridepublic E peekFirst() {if (isEmpty()) {return null;}return sentinel.next.value;}@Overridepublic E peekLast() {if (isEmpty()) {return null;}return sentinel.prev.value;}@Overridepublic boolean isEmpty() {return size == 0;}@Overridepublic boolean isFull() {return size == capacity;}@Overridepublic Iterator iterator() {	//迭代器 用于遍历return new Iterator() {Node<E> p = sentinel.next;@Overridepublic boolean hasNext() {return p != sentinel;}@Overridepublic E next() {E value = p.value;p = p.next;return value;}};}static class Node<E> {	//静态内部类 结点类的定义Node<E> prev;E value;Node<E> next;public Node(Node<E> prev, E value, Node<E> next) {this.prev = prev;this.value = value;this.next = next;}public Node(E value) {this.value = value;}}int capacity;int size;Node<E> sentinel = new Node<>(null, null, null);public ListedListDeque(int capacity) {this.capacity = capacity;sentinel.next = sentinel;sentinel.prev = sentinel;}

1.2.2 数组实现

class ArrayDeque<E> implements Deque<E>, Iterable<E> {/*h - head  指向第一个元素所在的位置t - tail  指向最后一个元素的下一个位置head == tail 空head - tail == 数组长度 - 1 满*/static int inc(int i, int length) {   //加一时 转换成循环的有效索引值if (i + 1 >= length) {return 0;}return i + 1;}static int dec(int i, int length) {   //减一时 转换成循环的有效索引值if (i - 1 < 0) {return length - 1;}return i - 1;}E[] array;int head;int tail;public ArrayDeque(int capacity){array = (E[]) new Object[capacity + 1];}@Overridepublic boolean offerFirst(E e) {if(isFull()){   //如果满了return false;   //返回false}//没满 则添加头元素head = dec(head,array.length);  //先将head指向新的头元素array[head] = e;    //再添加新的值return false;}@Overridepublic boolean offerLast(E e) {if(isFull()){   //满了返回falsereturn false;}//没满则添加尾元素array[tail] = e;tail = inc(tail, array.length);   //加一return false;}@Overridepublic E pollFirst() {if(isEmpty()){  //空则返回nullreturn null;}//不为空则E e = array[head];  //先返回头元素head = inc(head,array.length);  //再返回head++的数值return e;}@Overridepublic E pollLast() {if(isEmpty()){return null;}//不为空则tail = dec(tail, array.length); //先tail--return array[tail]; //返回最后一个数据}@Overridepublic E peekFirst() {if(isEmpty()){return null;}return array[head];}@Overridepublic E peekLast() {if(isEmpty()){return null;}return array[dec(tail,array.length)];}@Overridepublic boolean isEmpty() {//head==tail 指向的第一个元素位置同时也是最后一个元素位置的下一个位置时//说明此数组为空return head == tail;    //当位置相同时为空}@Overridepublic boolean isFull() {return (tail + array.length - head) % array.length == array.length - 1;}@Overridepublic Iterator<E> iterator() { //迭代器return new Iterator<E>() {int head1 = head;@Overridepublic boolean hasNext() {return head1 != tail;   //为假说明遍历完毕}@Overridepublic E next() {E e = array[head1]; //返回对应值head1 = inc(head1,array.length);return e;}};}
}

注意：以上代码还有一个需要考虑的地方

图1 内存释放问题

比如当存放的是int类型数组时，由于置不置零arr每个元素的占用的空间仍然是4个字节，所以无序考虑内存的释放。但是当arr存放的是引用类型时，比如Node等，那如果不置null，则当用不到此位置时，此位置仍然会占用一个Node类所占用的空间。如果置null，则空间得到了释放。以下是修改后的代码。

@Override
public E pollFirst() {if(isEmpty()){  //空则返回nullreturn null;}//不为空则E e = array[head];  //先返回头元素array[head] = null; //置null 释放内存 help GChead = inc(head,array.length);  //再返回head++的数值return e;
}
@Overridepublic E pollLast() {if(isEmpty()){return null;}//不为空则tail = dec(tail, array.length); //先tail--E e = array[tail];array[tail] = null; //置null 释放内存 help GCreturn e; //返回最后一个数据}

1.2.3 测试代码

public static void main(String[] args) {ArrayDeque<Object> deque = new ArrayDeque<>(7);assertTrue(deque.isEmpty());deque.offerLast(1);deque.offerLast(2);deque.offerLast(3);deque.offerFirst(4);deque.offerFirst(5);deque.offerFirst(6);deque.offerFirst(7);Iterator<Object> iterator = deque.iterator();while (iterator.hasNext()){System.out.println(iterator.next());}assertEquals(7,deque.pollFirst());assertEquals(6,deque.pollFirst());assertEquals(3,deque.pollLast());assertEquals(2,deque.pollLast());assertEquals(1,deque.pollLast());assertEquals(4,deque.pollLast());assertEquals(5,deque.pollLast());assertNull(deque.pollLast());assertTrue(deque.isEmpty());
}

判断都没问题 代码应该没啥问题

1.3 课后作业- LeeTCode103

给你二叉树的根节点 root ，返回其节点值的 锯齿形层序遍历 。（即先从左往右，再从右往左进行下一层遍历，以此类推，层与层之间交替进行）。

package com.atguigu.linkedlist;import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import java.util.Queue;/*** @author 小小低头哥* @version 1.0* 二叉树的锯齿形层序遍历*/public class E01LeetCode103 {public static void main(String[] args) {TreeNode root = new TreeNode(3);TreeNode treeNode1 = new TreeNode(9);TreeNode treeNode2 = new TreeNode(20);TreeNode treeNode3 = new TreeNode(15);TreeNode treeNode4 = new TreeNode(7);root.left = treeNode1;root.right = treeNode2;treeNode2.left = treeNode3;treeNode2.right = treeNode4;List<List<Integer>> lists = zigzagLevelOrder(root);for (List list : lists) {System.out.println(list);}}public static List<List<Integer>> zigzagLevelOrder(TreeNode root) {List<List<Integer>> result = new ArrayList<>(); //用List存放所有层节点数Queue<TreeNode> queue = new LinkedList<>(); //队列 存放每一层结点并释放上一层节点LinkedList<Integer> level;    //存放每一层的结点值Boolean odd = true; //代表是否是奇数层 true是奇数层int c1 = 1;//记录下每一层有多少个结点if (root == null) { //说明没有结点return result;}TreeNode q;    //结点索引queue.offer(root); //压入元素while (c1 != 0) {    //循环遍历 直到下一层没有结点结束int c2 = 0; //暂存下一层的节点数level = new LinkedList<>(); //重新将level置空for (int i = 0; i < c1; i++) {  //每一个结点开始循环遍历q = queue.poll();   //弹出首元素if(odd){    //说明是奇数层 从左到右level.addLast(q.val);  //将此节点保存最后节点处}else { //说明是偶数成 从右到左level.addFirst(q.val); //将此节点保存到首节点处}if (q.left != null) {   //如果左结点不为空c2++;queue.offer(q.left); //压入队列尾部中}if (q.right != null){   //如果右结点不为空c2++;queue.offer(q.right); //压入队列尾部中}}result.add(level);  //将level加入到result中odd = !odd; //odd取反c1 = c2;}return result;}
}class TreeNode {int val;TreeNode left;TreeNode right;TreeNode() {}TreeNode(int val) {this.val = val;}TreeNode(int val, TreeNode left, TreeNode right) {this.val = val;this.left = left;this.right = right;}
}

2. 优先级队列

2.1 概述

优先级高的数值先出队

2.2 基于无序数组实现

接口如下:

package com.atguigu.queue;/*** @author 小小低头哥* @version 1.0* 优先级接口*/
public interface Priority {/*** 约定 返回对象的优先级 约定数字越大 优先级越高* @return 优先级*/int priority();}

package com.atguigu.queue;/*** @author 小小低头哥* @version 1.0* 队列接口*/
public interface Queue<E> {boolean offer(E value); //添加元素E poll();   //弹出元素E peek();   //查看栈顶元素boolean isEmpty();  //是否为空boolean isFull();   //是否满了}

其它代码如下

package com.atguigu.queue;import org.junit.jupiter.api.Test;import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;/*** @author 小小低头哥* @version 1.0* 利用无序数组实现优先级队列*/
public class PriorityQueue1Demo{@Testpublic void poll(){PriorityQueue1<Priority> queue = new PriorityQueue1<>(5);queue.offer(new Entry("task1",4));queue.offer(new Entry("task2",3));queue.offer(new Entry("task3",2));queue.offer(new Entry("task4",5));queue.offer(new Entry("task5",1));assertFalse(queue.offer(new Entry("task6",7)));assertEquals(5,queue.poll().priority());assertEquals(4,queue.poll().priority());assertEquals(3,queue.poll().priority());assertEquals(2,queue.poll().priority());assertEquals(1,queue.poll().priority());System.out.println("执行到这 说明没问题");}
}class Entry implements Priority{public String value;public int priority;public Entry(String value, int priority) {this.value = value;this.priority = priority;}@Overridepublic int priority() {return priority;}@Overridepublic String toString() {return "Entry{" +"value='" + value + '\'' +", priority=" + priority +'}';}
}class PriorityQueue1<E extends Priority> implements Queue<E> {Priority[] array;int size;   //表示大小public PriorityQueue1(int capacity) {array = new Priority[capacity];}@Overridepublic boolean offer(E value) {if (isFull()) {   //满的话直接返回falsereturn false;}//直接向数组尾部加元素array[size++] = value;return true;}private int selectMax() {    //返回优先级最高的索引值int max = 0;    //for (int i = 1; i < size; i++) {if (array[i].priority() > array[max].priority()) {    //找到优先级更大的max = i;}}return max;}@Overridepublic E poll() {if (isEmpty()) {  //空数组直接返回nullreturn null;}int max = selectMax();E value = (E) array[max];remove(max);    //删除数组的此位置 一定要删除 否则selectMax遍历的时候仍然有可能会遍历这个元素return value;}private void remove(int index) {// 数组大小没变 只是将元素从index+1位置开始向前移动了一位// 最后一个有效位置元素不再有效 size--if (index < size - 1) { //如果要删除的元素不是最后一个元素System.arraycopy(array, index + 1, array, index, size - 1 - index);}size--;}@Overridepublic E peek() {   //返回优先级最高的元素if (isEmpty()) {  //空数组直接返回nullreturn null;}return (E) array[selectMax()];}@Overridepublic boolean isEmpty() {return size == 0;   //为0则表示为空}@Overridepublic boolean isFull() {return size == array.length;}
}

2.3 基于有序数组实现

class PriorityQueue2<E extends Priority> implements Queue<E> {Priority[] array;int size;   //表示大小public PriorityQueue2(int capacity) {array = new Priority[capacity];}@Overridepublic boolean offer(E value) { //将优先级从小到大进行插入if (isFull()) {return false;}insert(value);size++;return true;}private void insert(E e){//利用插入排序int i = size;while (i > 0 && array[i - 1].priority() > e.priority()) {   //当找到比value优先级小的则跳出循环array[i] = array[i - 1];i--;}array[i] = e;}@Overridepublic E poll() {   //优先级高的先出if (isEmpty()) {return null;}E e = (E) array[size - 1];array[--size] = null; //垃圾回收 help GCreturn e;}@Overridepublic E peek() {if (isEmpty()) {return null;}return (E) array[size - 1];}@Overridepublic boolean isEmpty() {return size == 0;   //为0则表示为空}@Overridepublic boolean isFull() {return size == array.length;}
}

2.3 堆实现优先级队列

计算机科学中，堆是一种基于树的数据结构，通常用完全二叉树实现。堆的特性如下

• 在大顶堆中，任意节点 C 与它的父节点 P 符合 $P.value\ge C.value$
• 而小顶堆中，任意节点 C 与它的父节点 P 符合 $P.value\le C.value$
• 最顶层的节点（没有父亲）称之为 root 根节点

完全二叉树（Complete Binary Tree） 特点：最后一层可能未填满，靠左对齐

图2 完全二叉树

**满二叉树（Full Binary Tree）**特点：每一层都是填满的

**大顶堆：**父节点比子节点大

**小顶堆：**父节点比子节点小

特征

• 如果从索引 0 开始存储节点数据
  • 节点 $i$ 的父节点为 $floor((i-1)/2)$，当 $i>0$ 时
  • 节点 $i$ 的左子节点为 $2i+1$，右子节点为 $2i+2$，当然它们得 $<size$
• 如果从索引 1 开始存储节点数据
  • 节点 $i$ 的父节点为 $floor(i/2)$，当 $i>1$ 时
  • 节点 $i$ 的左子节点为 $2i$，右子节点为 $2i+1$，同样得 $<size$

代码如下

class PriorityQueue3<E extends Priority> implements Queue<E> {Priority[] array;int size;   //表示大小public PriorityQueue3(int capacity) {array = new Priority[capacity];}/*1. 入堆新元素 加入到数组末尾(索引位置child)2. 不断比较新加元素与它父节点(parent)优先级- 如果父节点优先级低 则向下移动 并找到下一个parent- 直至父节点优先级更高或chile==0为止*/@Overridepublic boolean offer(E value) {if (isFull()) {return false;}int child = size++; //size新加元素索引int parent = (child - 1) / 2; //父节点索引//直到新节点小于一个父节点或者比较完root节点 退出循环while (value.priority() > array[parent].priority() && child > 0) {array[child] = array[parent];   //将父节点撤下来 作为子节点child = parent; //记录父节点的位置parent = (parent - 1) / 2; //再找父节点的父节点}array[child] = value;return true;}/*1. 交换元素和尾部元素 让尾部元素出队2. (下滑)- 从堆顶开始 将元素与两个子节点较大者交换- 直到父节点大于两个子节点 或没有子节点了为止这样就使得又变了大顶堆*/@Overridepublic E poll() {if (isEmpty()) {return null;}//将优先级最大元素和最后的元素进行交换swap(0, size - 1);size--; //数组元素减一 则最大元素不存在索引值中Priority e = array[size];   //得到优先级最大的元素用于返回array[size] = null; //便于垃圾回收 help GC//将首元素下潜down(0);return (E) e;}private void down(int parent) {int left = 2 * parent + 1;int right = left + 1;int max = parent;   //max指向优先级高的 初始化假设父元素优先级最高if (left < size && array[left].priority() > array[max].priority()) { //如果左节点存在且优先级大于maxmax = left; //将max指向left}if (right < size && array[right].priority() > array[max].priority()) {//如果右节点存在且优先级大于maxmax = right;    //将max指向right}if (max != parent) {    //说明父节点确实不是优先级最高的swap(max, parent);   //那就进行交换down(max);  //递归调用}}private void swap(int i, int j) { //交换 i 和 j 元素Priority t = array[i];array[i] = array[j];array[j] = t;}@Overridepublic E peek() {if (isEmpty()) {return null;}return (E) array[0];}@Overridepublic boolean isEmpty() {return size == 0;   //为0则表示为空}@Overridepublic boolean isFull() {return size == array.length;}
}

2.4 总结

**基于无序数组：**入队时由于直接排在数组最后，时间复杂度为$O(1)$；出队时由于需要逐个比较优先级，时间复杂度为$O(n)$。

**基于有序数组：**入队时由于使用到了插入排序，最坏时间时间复杂度为$O(n)$；出队时由于直接出数组最后一个，时间复杂度为$O(1)$。

**堆实现：**不管入队出队，都没有直接取某一个元素或者逐个比较，而是都进行了父节点与子节点的优先级比较，所以时间复杂度都为$O(log(n))$。

2.5 练习-LeetCode23 合并K个升序链表

使用小顶堆实现的优先级队列解决本题；

小顶堆和大顶堆实现代码雷同，就不再给出，直接给出其它代码

    public static void main(String[] args) {ListNode listNode1 = new ListNode(-2);ListNode listNode4 = new ListNode(-1);ListNode listNode5 = new ListNode(-1);ListNode listNode7 = new ListNode(-1);listNode1.next = listNode4;listNode4.next = listNode5;listNode5.next = listNode7;ListNode listNode11 = new ListNode(-10);ListNode listNode3 = new ListNode(-6);ListNode listNode44 = new ListNode(4);listNode11.next = listNode3;listNode3.next = listNode44;ListNode listNode2 = new ListNode(-10);ListNode listNode6 = new ListNode(-9);listNode2.next = listNode6;ListNode Null = null;//        ListNode[] lists = {listNode1, listNode11, listNode2, Null};ListNode[] lists = {listNode1, Null};for (ListNode listNode : lists) {while (listNode != null) {System.out.print(listNode.val + " ");listNode = listNode.next;}System.out.println();}ListNode listNode = mergeKLists2(lists);while (listNode != null) {System.out.print(listNode.val + " ");listNode = listNode.next;}}public static ListNode mergeKLists2(ListNode[] lists) {if (lists == null) {return null;}int n = 0;for (ListNode listNode : lists) {while (listNode != null) {n++;listNode = listNode.next;}}PriorityQueue heap = new PriorityQueue(n);for (ListNode listNode : lists) {while (listNode != null) {heap.offer(listNode);   //将每个头节点加入到队列中listNode = listNode.next;}}ListNode listNode = new ListNode(-1, null);  //作为头节点ListNode p = listNode;while (!heap.isEmpty()) {   //如果不为空一直循环p.next = heap.poll();    //推出来并放在链表的后面p = p.next;}p.next = null;	//!!!!!!!千万不能忘！！！！！return listNode.next;}public static ListNode mergeKLists(ListNode[] lists) {if (lists == null) {return null;}PriorityQueue heap = new PriorityQueue(lists.length);for (ListNode listNode : lists) {if (listNode != null) {heap.offer(listNode);   //将每个头节点加入到队列中}}ListNode listNode = new ListNode(-1, null);  //作为头节点ListNode p = listNode;while (!heap.isEmpty()) {   //如果不为空一直循环p.next = heap.poll();    //推出来并放在链表的后面p = p.next; //if (p.next != null) { //如果此结点所在链表后面结点heap.offer(p.next); //则把下一个结点放进去}}return listNode.next;}

其中 mergeKLists 函数中的小顶堆 每次都只包含每个链表中的一个结点进行比较

mergeKLists2 函数是先将每个链表中所有结点都放入堆中，然后再一个个弹出。速度变快了，但是占用内存空间变大了。

3. 阻塞队列

这一节的内容都是直接从黑马那里拷贝过来的，太细也太多了

之前的队列在很多场景下都不能很好地工作，例如

1. 大部分场景要求分离向队列放入（生产者）、从队列拿出（消费者）两个角色、它们得由不同的线程来担当，而之前的实现根本没有考虑线程安全问题
2. 队列为空，那么在之前的实现里会返回 null，如果就是硬要拿到一个元素呢？只能不断循环尝试
3. 队列为满，那么再之前的实现里会返回 false，如果就是硬要塞入一个元素呢？只能不断循环尝试

因此我们需要解决的问题有

1. 用锁保证线程安全
2. 用条件变量让等待非空线程与等待不满线程进入等待状态，而不是不断循环尝试，让 CPU 空转

有同学对线程安全还没有足够的认识，下面举一个反例，两个线程都要执行入队操作（几乎在同一时刻）

public class TestThreadUnsafe {private final String[] array = new String[10];private int tail = 0;public void offer(String e) {array[tail] = e;tail++;}@Overridepublic String toString() {return Arrays.toString(array);}public static void main(String[] args) {TestThreadUnsafe queue = new TestThreadUnsafe();new Thread(()-> queue.offer("e1"), "t1").start();new Thread(()-> queue.offer("e2"), "t2").start();}
}

执行的时间序列如下，假设初始状态 tail = 0，在执行过程中由于 CPU 在两个线程之间切换，造成了指令交错

线程1	线程2	说明
array[tail]=e1		线程1 向 tail 位置加入 e1 这个元素，但还没来得及执行 tail++
	array[tail]=e2	线程2 向 tail 位置加入 e2 这个元素，覆盖掉了 e1
	tail++	tail 自增为1
tail++		tail 自增为2
		最后状态 tail 为 2，数组为 [e2, null, null …]

糟糕的是，由于指令交错的顺序不同，得到的结果不止以上一种，宏观上造成混乱的效果

3.1 单锁实现

Java 中要防止代码段交错执行，需要使用锁，有两种选择

• synchronized 代码块，属于关键字级别提供锁保护，功能少
• ReentrantLock 类，功能丰富

以 ReentrantLock 为例

ReentrantLock lock = new ReentrantLock();public void offer(String e) {lock.lockInterruptibly();try {array[tail] = e;tail++;} finally {lock.unlock();}
}

只要两个线程执行上段代码时，锁对象是同一个，就能保证 try 块内的代码的执行不会出现指令交错现象，即执行顺序只可能是下面两种情况之一

线程1	线程2	说明
lock.lockInterruptibly()		t1对锁对象上锁
array[tail]=e1
	lock.lockInterruptibly()	即使 CPU 切换到线程2，但由于t1已经对该对象上锁，因此线程2卡在这儿进不去
tail++		切换回线程1 执行后续代码
lock.unlock()		线程1 解锁
	array[tail]=e2	线程2 此时才能获得锁，执行它的代码
	tail++

• 另一种情况是线程2 先获得锁，线程1 被挡在外面
• 要明白保护的本质，本例中是保护的是 tail 位置读写的安全

事情还没有完，上面的例子是队列还没有放满的情况，考虑下面的代码（这回锁同时保护了 tail 和 size 的读写安全）

ReentrantLock lock = new ReentrantLock();
int size = 0;public void offer(String e) {lock.lockInterruptibly();try {if(isFull()) {// 满了怎么办?}array[tail] = e;tail++;size++;} finally {lock.unlock();}
}private boolean isFull() {return size == array.length;
}

之前是返回 false 表示添加失败，前面分析过想达到这么一种效果：

• 在队列满时，不是立刻返回，而是当前线程进入等待
• 什么时候队列不满了，再唤醒这个等待的线程，从上次的代码处继续向下运行

ReentrantLock 可以配合条件变量来实现，代码进化为

ReentrantLock lock = new ReentrantLock();
Condition tailWaits = lock.newCondition(); // 条件变量
int size = 0;public void offer(String e) {lock.lockInterruptibly();try {while (isFull()) {tailWaits.await();	// 当队列满时, 当前线程进入 tailWaits 等待}array[tail] = e;tail++;size++;} finally {lock.unlock();}
}private boolean isFull() {return size == array.length;
}

• 条件变量底层也是个队列，用来存储这些需要等待的线程，当队列满了，就会将 offer 线程加入条件队列，并暂时释放锁
• 将来我们的队列如果不满了（由 poll 线程那边得知）可以调用 tailWaits.signal() 来唤醒 tailWaits 中首个等待的线程，被唤醒的线程会再次抢到锁，从上次 await 处继续向下运行

思考为何要用 while 而不是 if，设队列容量是 3

操作前	offer(4)	offer(5)	poll()	操作后
[1 2 3]	队列满，进入tailWaits 等待			[1 2 3]
[1 2 3]			取走 1，队列不满，唤醒线程	[2 3]
[2 3]		抢先获得锁，发现不满，放入 5		[2 3 5]
[2 3 5]	从上次等待处直接向下执行			[2 3 5 ?]

关键点：

• 从 tailWaits 中唤醒的线程，会与新来的 offer 的线程争抢锁，谁能抢到是不一定的，如果后者先抢到，就会导致条件又发生变化
• 这种情况称之为虚假唤醒，唤醒后应该重新检查条件，看是不是得重新进入等待

最后的实现代码

/*** 单锁实现* @param <E> 元素类型*/
public class BlockingQueue1<E> implements BlockingQueue<E> {private final E[] array;private int head = 0;private int tail = 0;private int size = 0; // 元素个数@SuppressWarnings("all")public BlockingQueue1(int capacity) {array = (E[]) new Object[capacity];}ReentrantLock lock = new ReentrantLock();Condition tailWaits = lock.newCondition();Condition headWaits = lock.newCondition();@Overridepublic void offer(E e) throws InterruptedException {lock.lockInterruptibly();try {while (isFull()) {tailWaits.await();}array[tail] = e;if (++tail == array.length) {tail = 0;}size++;headWaits.signal();} finally {lock.unlock();}}@Overridepublic void offer(E e, long timeout) throws InterruptedException {lock.lockInterruptibly();try {long t = TimeUnit.MILLISECONDS.toNanos(timeout);while (isFull()) {if (t <= 0) {return;}t = tailWaits.awaitNanos(t);}array[tail] = e;if (++tail == array.length) {tail = 0;}size++;headWaits.signal();} finally {lock.unlock();}}@Overridepublic E poll() throws InterruptedException {lock.lockInterruptibly();try {while (isEmpty()) {headWaits.await();}E e = array[head];array[head] = null; // help GCif (++head == array.length) {head = 0;}size--;tailWaits.signal();return e;} finally {lock.unlock();}}private boolean isEmpty() {return size == 0;}private boolean isFull() {return size == array.length;}
}

• public void offer(E e, long timeout) throws InterruptedException 是带超时的版本，可以只等待一段时间，而不是永久等下去，类似的 poll 也可以做带超时的版本，这个留给大家了

注意

• JDK 中 BlockingQueue 接口的方法命名与我的示例有些差异
  • 方法 offer(E e) 是非阻塞的实现，阻塞实现方法为 put(E e)
  • 方法 poll() 是非阻塞的实现，阻塞实现方法为 take()

3.2 双锁实现

单锁的缺点在于：

• 生产和消费几乎是不冲突的，唯一冲突的是生产者和消费者它们有可能同时修改 size
• 冲突的主要是生产者之间：多个 offer 线程修改 tail
• 冲突的还有消费者之间：多个 poll 线程修改 head

如果希望进一步提高性能，可以用两把锁

• 一把锁保护 tail
• 另一把锁保护 head

ReentrantLock headLock = new ReentrantLock();  // 保护 head 的锁
Condition headWaits = headLock.newCondition(); // 队列空时，需要等待的线程集合ReentrantLock tailLock = new ReentrantLock();  // 保护 tail 的锁
Condition tailWaits = tailLock.newCondition(); // 队列满时，需要等待的线程集合

先看看 offer 方法的初步实现

@Override
public void offer(E e) throws InterruptedException {tailLock.lockInterruptibly();try {// 队列满等待while (isFull()) {tailWaits.await();}// 不满则入队array[tail] = e;if (++tail == array.length) {tail = 0;}// 修改 size （有问题）size++;} finally {tailLock.unlock();}
}

上面代码的缺点是 size 并不受 tailLock 保护，tailLock 与 headLock 是两把不同的锁，并不能实现互斥的效果。因此，size 需要用下面的代码保证原子性

AtomicInteger size = new AtomicInteger(0);	   // 保护 size 的原子变量size.getAndIncrement(); // 自增
size.getAndDecrement(); // 自减

代码修改为

@Override
public void offer(E e) throws InterruptedException {tailLock.lockInterruptibly();try {// 队列满等待while (isFull()) {tailWaits.await();}// 不满则入队array[tail] = e;if (++tail == array.length) {tail = 0;}// 修改 sizesize.getAndIncrement();} finally {tailLock.unlock();}
}

对称地，可以写出 poll 方法

@Override
public E poll() throws InterruptedException {E e;headLock.lockInterruptibly();try {// 队列空等待while (isEmpty()) {headWaits.await();}// 不空则出队e = array[head];if (++head == array.length) {head = 0;}// 修改 sizesize.getAndDecrement();} finally {headLock.unlock();}return e;
}

下面来看一个难题，就是如何通知 headWaits 和 tailWaits 中等待的线程，比如 poll 方法拿走一个元素，通知 tailWaits：我拿走一个，不满了噢，你们可以放了，因此代码改为

@Override
public E poll() throws InterruptedException {E e;headLock.lockInterruptibly();try {// 队列空等待while (isEmpty()) {headWaits.await();}// 不空则出队e = array[head];if (++head == array.length) {head = 0;}// 修改 sizesize.getAndDecrement();// 通知 tailWaits 不满（有问题）tailWaits.signal();} finally {headLock.unlock();}return e;
}

问题在于要使用这些条件变量的 await()， signal() 等方法需要先获得与之关联的锁，上面的代码若直接运行会出现以下错误

java.lang.IllegalMonitorStateException

两把锁这么嵌套使用，非常容易出现死锁,因此得避免嵌套，两段加锁的代码变成平级的样子。

性能还可以进一步提升

1. 代码调整后 offer 并没有同时获取 tailLock 和 headLock 两把锁，因此两次加锁之间会有空隙，这个空隙内可能有其它的 offer 线程添加了更多的元素，那么这些线程都要执行 signal()，通知 poll 线程队列非空吗？

   • 每次调用 signal() 都需要这些 offer 线程先获得 headLock 锁，成本较高，要想法减少 offer 线程获得 headLock 锁的次数
   • 可以加一个条件：当 offer 增加前队列为空，即从 0 变化到不空，才由此 offer 线程来通知 headWaits，其它情况不归它管

2. 队列从 0 变化到不空，会唤醒一个等待的 poll 线程，这个线程被唤醒后，肯定能拿到 headLock 锁，因此它具备了唤醒 headWaits 上其它 poll 线程的先决条件。如果检查出此时有其它 offer 线程新增了元素（不空，但不是从0变化而来），那么不妨由此 poll 线程来唤醒其它 poll 线程。

这个技巧被称之为级联通知（cascading notifies），类似的原因

3. 在 poll 时队列从满变化到不满，才由此 poll 线程来唤醒一个等待的 offer 线程，目的也是为了减少 poll 线程对 tailLock 上锁次数，剩下等待的 offer 线程由这个 offer 线程间接唤醒

最终的代码为

public class BlockingQueue2<E> implements BlockingQueue<E> {private final E[] array;private int head = 0;private int tail = 0;private final AtomicInteger size = new AtomicInteger(0);ReentrantLock headLock = new ReentrantLock();Condition headWaits = headLock.newCondition();ReentrantLock tailLock = new ReentrantLock();Condition tailWaits = tailLock.newCondition();public BlockingQueue2(int capacity) {this.array = (E[]) new Object[capacity];}@Overridepublic void offer(E e) throws InterruptedException {int c;tailLock.lockInterruptibly();try {while (isFull()) {tailWaits.await();}array[tail] = e;if (++tail == array.length) {tail = 0;}            c = size.getAndIncrement();// a. 队列不满, 但不是从满->不满, 由此offer线程唤醒其它offer线程if (c + 1 < array.length) {tailWaits.signal();}} finally {tailLock.unlock();}// b. 从0->不空, 由此offer线程唤醒等待的poll线程if (c == 0) {headLock.lock();try {headWaits.signal();} finally {headLock.unlock();}}}@Overridepublic E poll() throws InterruptedException {E e;int c;headLock.lockInterruptibly();try {while (isEmpty()) {headWaits.await(); }e = array[head]; if (++head == array.length) {head = 0;}c = size.getAndDecrement();// b. 队列不空, 但不是从0变化到不空，由此poll线程通知其它poll线程if (c > 1) {headWaits.signal();}} finally {headLock.unlock();}// a. 从满->不满, 由此poll线程唤醒等待的offer线程if (c == array.length) {tailLock.lock();try {tailWaits.signal();} finally {tailLock.unlock();}}return e;}private boolean isEmpty() {return size.get() == 0;}private boolean isFull() {return size.get() == array.length;}}

双锁实现的非常精巧，据说作者 Doug Lea 花了一年的时间才完善了此段代码。