双端队列、优先级队列、阻塞队列

双端队列、优先级队列、阻塞队列

文章目录

  • 双端队列、优先级队列、阻塞队列
    • 1 双端队列
      • 1.1 概述
      • 1.2 应用实例
        • 1.2.1 双端链表实现
        • 1.2.2 数组实现
        • 1.2.3 测试代码
      • 1.3 课后作业- LeeTCode103
    • 2. 优先级队列
      • 2.1 概述
      • 2.2 基于无序数组实现
      • 2.3 基于有序数组实现
      • 2.3 堆实现优先级队列
      • 2.4 总结
      • 2.5 练习-LeetCode23 合并K个升序链表
    • 3. 阻塞队列
      • 3.1 单锁实现
      • 3.2 双锁实现

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
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JavaJavaScriptC++leetCode 641
    尾部插入offerLastpushpush_backinsertLast
    头部插入offerFirstunshiftpush_frontinsertFront
    尾部移除pollLastpoppop_backdeleteLast
    头部移除pollFirstshiftpop_frontdeleteFront
    尾部获取peekLastat(-1)backgetRear
    头部获取peekFirstat(0)frontgetFront

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

在这里插入图片描述

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 . v a l u e ≥ C . v a l u e P.value \geq C.value P.valueC.value
  • 而小顶堆中,任意节点 C 与它的父节点 P 符合 P . v a l u e ≤ C . v a l u e P.value \leq C.value P.valueC.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

在这里插入图片描述

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 i i 的父节点为 f l o o r ( ( i − 1 ) / 2 ) floor((i-1)/2) floor((i1)/2),当 i > 0 i>0 i>0
    • 节点 i i i 的左子节点为 2 i + 1 2i+1 2i+1,右子节点为 2 i + 2 2i+2 2i+2,当然它们得 < s i z e < size <size
  • 如果从索引 1 开始存储节点数据
    • 节点 i i i 的父节点为 f l o o r ( i / 2 ) floor(i/2) floor(i/2),当 i > 1 i > 1 i>1
    • 节点 i i i 的左子节点为 2 i 2i 2i,右子节点为 2 i + 1 2i+1 2i+1,同样得 < s i z e < size <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 ) O(1) O(1);出队时由于需要逐个比较优先级,时间复杂度为 O ( n ) O(n) 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 ) O(n) O(n);出队时由于直接出数组最后一个,时间复杂度为 O ( 1 ) O(1) 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 ( l o g ( n ) ) O(log(n)) 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

  1. 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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/577361.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

注意力机制(数学公式)

人类视觉注意力机制极大地提高了视觉信息处理的效率与准确性 计算机注意力机制是为了让卷积神经网络注意到他更加需要注意的地方 &#xff0c;而不是什么都关注 。 分为三种注意力机制&#xff0c;空间注意力机制&#xff0c;通道注意力机制&#xff0c;以及两者的结合。 …

HTTP 原理

HTTP 原理 HTTP 是一个无状态的协议。无状态是指客户机&#xff08;Web 浏览器&#xff09;和服务器之间不需要建立持久的连接&#xff0c;这意味着当一个客户端向服务器端发出请求&#xff0c;然后服务器返回响应(response)&#xff0c;连接就被关闭了&#xff0c;在服务器端…

算法基础之最长公共子序列

最长公共子序列 核心思想&#xff1a; 线性dp 集合定义 : f[i][j]存 a[1 ~ i] 和 b[1 ~ j] 的最长公共子序列长度 状态计算&#xff1a; 分为取/不取a[i]/b[j] 共四种情况 其中 中间两种会包含两个都不取的情况(去掉) 但是因为取最大值 有重复也没事用f[i-1][j] 和 f[i][j-1]表…

案例分析:西门子智能工厂

西门子全球首家原生数字化工厂&#xff0c;以其独特的数字化技术&#xff0c;在虚拟世界中构建了工厂的数字孪生&#xff0c;从而实现了从需求分析、规划设计、施工实施到生产运营全过程的数字化。这一原生数字化工厂的创新之处在于&#xff0c;它开创性地运用了原生数字孪生理…

2023年12月25日:串口发出控制命令

代码 uart4.c #include "uart4.h"void uart4_config() {//*****************************************//使能GPIOB|GPIOG|UART4外设时钟RCC->MP_AHB4ENSETR |(0x1<<6);RCC->MP_AHB4ENSETR |(0x1<<1);RCC->MP_APB1ENSETR |(0x1<<16);RCC…

27 redis 的 sentinel 集群

前言 redis 的哨兵的相关业务功能的实现 哨兵的主要作用是 检测 redis 主从集群中的 master 是否挂掉, 单个哨兵节点识别 master 下线为主管下线, 超过 quorum 个 哨兵节点 认为 master 挂掉, 识别为 客观下线 然后做 failover 的相关处理, 重新选举 master 节点 我们这里…

平衡二叉树的构建(递归

目录 1.概念&#xff1a;2.特点&#xff1a;3.构建方法&#xff1a;4.代码&#xff1a;小结&#xff1a; 1.概念&#xff1a; 平衡二叉树&#xff08;Balanced Binary Tree&#xff09;&#xff0c;也称为AVL树&#xff0c;是一种二叉树&#xff0c;它满足每个节点的左子树和右…

异常和智能指针

智能指针的认识 智能指针是一种C语言中用于管理动态内存的工具&#xff0c;它们可以自动管理内存的分配和释放&#xff0c;从而避免内存泄漏和悬空指针等问题。智能指针可以跟踪指向的对象的引用次数&#xff0c;并在需要时自动释放被引用的内存&#xff0c;这极大地提高了内存…

openGauss学习笔记-173 openGauss 数据库运维-备份与恢复-导入数据-对表执行VACUUM

文章目录 openGauss学习笔记-173 openGauss 数据库运维-备份与恢复-导入数据-对表执行VACUUM openGauss学习笔记-173 openGauss 数据库运维-备份与恢复-导入数据-对表执行VACUUM 如果导入过程中&#xff0c;进行了大量的更新或删除行时&#xff0c;应运行VACUUM FULL命令&…

关于合同能源管理

合同能源管理模式&#xff1a;我投资、你节能、收益共享 合同能源管理&#xff08;EPC——Energy Performance Contracting&#xff09;&#xff1a;节能服务公司与用能单位以契约形式约定节能项目的节能目标&#xff0c;节能服务公司为实现节能目标向用能单位提供必要的服务&…

Python 直方图的绘制-`hist()`方法(Matplotlib篇-第7讲)

Python 直方图的绘制-hist()方法(Matplotlib篇-第7讲)         🍹博主 侯小啾 感谢您的支持与信赖。☀️ 🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹…

什么是制造业的数字化车间

什么是制造业的数字化车间&#xff0c;在企业数字化转型中&#xff0c;数字化车间的存在至关重要&#xff0c;其意思就是将制造业车间里所有的工作流程数字化&#xff0c;实现设备、生产流程、工人等各环节之间的数字化管理与协同&#xff0c;全面提升制造业企业的生产效率和产…

data选项声明-vite项目

新建App.vue,内容如下 <script>export default{//data选项声明响应式状态&#xff0c;必须是返回一个对象的函数data(){return{//声明状态属性&#xff0c;属性名不能以$和_开头&#xff0c;内置使用保留&#xff0c;不让我们声明使用msg:我是谁,age:18,salary:99.99,st…

「Verilog学习笔记」并串转换

专栏前言 本专栏的内容主要是记录本人学习Verilog过程中的一些知识点&#xff0c;刷题网站用的是牛客网 串并转换操作是非常灵活的操作&#xff0c;核心思想就是移位。串转并就是把1位的输入放到N位reg的最低位&#xff0c;然后N位reg左移一位&#xff0c;在把1位输入放到左移后…

如何做好接口测试?资深测试老鸟总结,一篇带你打通...

前言 1、接口测试 1&#xff09;什么是接口测试&#xff1f; 接口测试是测试系统组件间接口的一种测试。接口测试主要用于检测外部系统与系统之间以及内部各个子系统之间的交互点。 测试的重点是要检查数据的交换&#xff0c;传递和控制管理过程&#xff0c;以及系统间的相…

TCP协议工作原理及实战(一)

实战项目目标&#xff1a; ui搭建&#xff1a;clientconnect 客户端连接 clientdisconnect 客户端断开 socketreaddate 使用套接字传输数据 newconnection新的连接 获取本机的IP地址&#xff1a; 获取本机的ip地址可以参考前面的QT网络编程协议 将得到的ip地址放入combox中…

VMware安装linux系统一

1、创建虚拟机 1.1、创建新的虚拟机 1.2、进入安装向导 1.3、安装操作系统&#xff0c;选择稍后安装操作系统 1.4、选择Linux,版本选择CentOS64位 1.5、设置虚拟机名称和安装位置 1.6、设置磁盘大小 1.7、创建虚拟机 1.8、完成安装 2、配置虚拟机 2.1、选择编辑虚拟机 2.2、修…

sql_lab之sqli注入中的cookie注入

Cookei注入&#xff08;gxa的从cookei注入&#xff09; 1.打开控制台 2.验证id2时的值 document.cookie"id2" 3.判断是上面闭合方式 document.cookie"id2 -- s" 有回显 说明是’单引号闭合 4.用order by 判断字段数 5.用联合查询判断回显点 接下来的…

“用户名不在 sudoers文件中,此事将被报告” 解决方法

原因 当普通用户需要安装文件时&#xff0c;无法用yum install ** -y直接安装时&#xff0c;采用sudo yum install **; 但是发现提示“用户名不在 sudoers文件中&#xff0c;此事将被报告” 解决方法。 这是因为该普通用户不在sudoers文件中&#xff0c;所以要找到该文件&am…

java数据结构与算法刷题-----LeetCode167:两数之和 II - 输入有序数组

java数据结构与算法刷题目录&#xff08;剑指Offer、LeetCode、ACM&#xff09;-----主目录-----持续更新(进不去说明我没写完)&#xff1a;https://blog.csdn.net/grd_java/article/details/123063846 思路 题目要求我们找到两个数相加的和&#xff0c;等于target指定的值。而…