多图详解:二叉堆原理并手写一个优先队列

多图详解:二叉堆原理并手写一个优先队列,第1张

多图详解:二叉堆原理并手写一个优先队列

欢迎大家关注公众号「JAVA前线」查看更多精彩分享文章,主要包括源码分析、实际应用、架构思维、职场分享、产品思考等等,同时欢迎大家加我个人微信「java_front」一起交流学习


1 优先队列应用

队列是一种先进先出的数据结构,先放入队列的元素会先出队列。但是有这样一种场景,我们希望出队列顺序不是根据放入队列顺序,而是根据元素本身具有的优先级,例如元素优先级高则先出队列,这时就要使用优先队列。


1.1 应用一

我们设想这样一种发送消息的业务场景:消息具有优先级属性,在同一个队列中优先发送优先级高的消息,优先级定义如下:

// 优先级 P1 > P2 > p3
public enum PriorityEnum {

    P1(1, "优先级1"),

    P2(2, "优先级2"),

    P3(3, "优先级3")
    
    ;
}

消息对象定义如下:

public class MyMessage implements Comparable {

    
    private int priority;

    
    private String messge;

    public MyMessage(int priority, String message) {
        this.priority = priority;
        this.messge = message;
    }

    @Override
    public int compareTo(Object obj) {
        MyMessage message = (MyMessage) obj;
        return this.priority - message.priority;
    }
}

java.util.PriorityQueue可以实现上述功能:

public class PriorityQueueTest {
    public static void main(String[] args) {
        PriorityQueue messageQueue = new PriorityQueue();
        MyMessage m1 = new MyMessage(PriorityEnum.P1.getCode(), "message1");
        MyMessage m2 = new MyMessage(PriorityEnum.P2.getCode(), "message2");
        MyMessage m3 = new MyMessage(PriorityEnum.P3.getCode(), "message3");
        messageQueue.offer(m3);
        messageQueue.offer(m1);
        messageQueue.offer(m2);
        while (messageQueue.size() > 0) {
            System.out.println(messageQueue.poll());
        }
    }
}

代码执行结果:

send message=MyMessage(priority=1, messge=message1)
send message=MyMessage(priority=2, messge=message2)
send message=MyMessage(priority=3, messge=message3)

PriorityQueueTest消息放入优先队列顺序:

3、1、2

PriorityQueueTest从优先队列获取消息顺序:

1、2、3

1.2 应用二

现在消息优先级进行业务变更:

// 优先级 P3 > P2 > p1
public enum PriorityEnum {

    P1(1, "优先级1"),

    P2(2, "优先级2"),

    P3(3, "优先级3")
    
    ;
}

此时预期输出顺序如下:

3、2、1

如果想要达到预期输出顺序,代码要进行如下变更:

public class MyMessage implements Comparable {

    @Override
    public int compareTo(Object obj) {
        MyMessage message = (MyMessage) obj;
        return message.priority - this.priority; // 比较关系变更
    }
}

2 二叉堆

在第一章节我们看到PriorityQueue可以实现按照元素优先级顺序进行输出,那么其底层原理是什么呢?答案是二叉堆。


2.1 什么是二叉堆

二叉堆分为大顶堆和小顶堆,我们首先看大顶堆,从下图可以看到整棵树中最大值在根节点,所以称为大顶堆:



我们再看小顶堆,从下图可以看到整棵树中最小值在根节点,所以称为小顶堆:



2.2 怎样存储二叉堆

二叉堆看似复杂,其实用数组就可以表示,我们以大顶堆为例:



第一步声明一个长度为10的数组,因为二叉树有10个节点:

int[] array = new int[10]

第二步设置根节点100作为数组第一个元素:

array[0] = 100

第三步设置所有节点至数组相应位置:

leftChildIndex = (parentIndex * 2) + 1
rightChildIndex = (parentIndex * 2) + 2

例如设置90至数组相应位置,其父节点100索引等于0,90是100左子节点:

parentIndex = 0
leftChildIndex = (0 * 2) + 1 = 1
array[1] = 90

例如设置80至数组相应位置,其父节点100索引等于0,80是100右子节点:

parentIndex = 0
leftChildIndex = (0 * 2) + 2 = 2
array[2] = 80

例如设置30至数组相应位置,其父节点80索引等于2,30是80右子节点:

parentIndex = 2
leftChildIndex = (2 * 2) + 2 = 6
array[6] = 30

第四步如果已知子节点数组索引,也可以反推出其父节点索引:

parentIndex = (childIndex - 1) / 2

例如已知节点30索引等于6,那么可以反推其父节点80索引等于2:

childIndex = 6
parentIndex = (6 - 1) / 2 = 2

2.3 新增元素

现在向二叉堆新增节点92,第一步在数组最后一个索引位置插入此元素:



这显然不符合二叉堆的基本要求,需要循环与其父节点进行比较,如果发现大于父节点则交换位置,否则退出循环。第一轮比较92大于60,二者交换位置:



第二轮比较92大于90,二者交换位置:



第三轮比较92小于100,无需交换并退出循环:



最后一个节点92开始在最后,通过循环比较向上不断移动至相应位置,这个过程被称为SiftUp,可以理解为上浮。


2.4 获取并删除堆顶元素

整棵树哪一个元素对业务最有价值?无疑是堆顶元素。以大顶堆为例,最大值永远都在堆顶,可以理解为优先级最高的元素永远在堆顶,只要循环取出堆顶元素,那么可以达到按照优先级顺序进行处理目的。

当获取到堆顶元素后需要移除此元素,这就可能涉及到二叉堆元素位置变化,下面演示这个过程,第一轮获取堆顶元素100:



第二轮将最后一个元素60从原有位置删除并设置到堆顶位置:



第三轮比较60与左右子节点92和80,选取较大子节点92,92大于60,二者交换位置:



第四轮比较60与左右子节点40和90,选取较大子节点90,90大于60,二者交换位置:



第五轮比较60与左子节点50,50小于60,无需交换并退出循环:



最后一个节点60首先移动至根节点,再通过循环比较向下移动至相应位置,我们称这个过程为SiftDown,可以理解为下沉。


3 手写大顶堆

经过第二章节分析我们知道,二叉堆最重要方法是新增元素和获取并删除堆顶元素,其中最重要的是SiftUp和SiftDown两个过程。


3.1 接口声明
public interface IMaxHeap {

    
    public boolean offer(E element);

    
    public E getAndRemoveTop();

    
    public int size();
}

3.2 大顶堆实现
public class MyMaxHeap implements IMaxHeap {

    private ArrayList array;

    public MyMaxHeap() {
        array = new ArrayList();
    }

    @Override
    public boolean offer(E element) {
        // 1.新增至数组最后
        int lastIndex = size();
        array.add(lastIndex, element);

        // 2.siftUp
        siftUp(lastIndex);
        return Boolean.TRUE;
    }

    @Override
    public E getAndRemoveTop() {
        // 1.根节点为最大值
        E max = array.get(0);

        // 2.最后节点移动至根节点并删除
        int lastIndex = size() - 1;
        E lastNode = array.get(lastIndex);
        array.set(0, lastNode);
        array.remove(lastIndex);

        // 3.siftDown
        siftDown(0);

        // 4.返回最大值
        return max;
    }

    @Override
    public int size() {
        return array.size();
    }

    // 节点上浮
    private void siftUp(int currentIndex) {
        // 根节点无需上浮
        while (currentIndex != 0) {
            // 当前节点
            E currentValue = array.get(currentIndex);
            // 父索引
            int parentIndex = getParentIndex(currentIndex);
            // 父节点
            E parentValue = array.get(parentIndex);
            // 当前节点小于父节点则退出循环
            if (currentValue.compareTo(parentValue) < 0) {
                break;
            }
            // 当前节点大于等于父节点则交换位置
            array.set(parentIndex, currentValue);
            array.set(currentIndex, parentValue);
            currentIndex = parentIndex;
        }
    }

    // 节点下沉
    private void siftDown(int currentIndex) {
        // 当前节点没有左子节点则不需要再下沉
        while (getLeftChildIndex(currentIndex) < size()) {
            // 当前节点
            E currentValue = array.get(currentIndex);
            // 左子索引
            int leftChildIndex = getLeftChildIndex(currentIndex);
            // 左子节点
            E leftChildValue = array.get(leftChildIndex);
            // 右子索引
            Integer rightChildIndex = null;
            E rightChildValue = null;
            if (getRightChildIndex(currentIndex) < size()) {
                rightChildIndex = getRightChildIndex(currentIndex);
                rightChildValue = array.get(rightChildIndex);
            }
            // 右子节点存在
            if (null != rightChildIndex) {
                // 找出左右子节点较大节点
                int biggerIndex = rightChildIndex;
                if (leftChildValue.compareTo(rightChildValue) > 0) {
                    biggerIndex = leftChildIndex;
                }
                // 较大节点小于当前节点则退出循环
                E biggerValue = array.get(biggerIndex);
                if (biggerValue.compareTo(currentValue) < 0) {
                    break;
                }
                // 较大节点大于等于当前节点则交换位置
                array.set(currentIndex, biggerValue);
                array.set(biggerIndex, currentValue);
                currentIndex = biggerIndex;
            }
            // 右子节点不存在
            else {
                // 左子节点小于当前节点则退出循环
                if (leftChildValue.compareTo(currentValue) < 0) {
                    break;
                }
                // 左子节点大于等于当前节点则交换位置
                array.set(currentIndex, leftChildValue);
                array.set(leftChildIndex, currentValue);
                currentIndex = leftChildIndex;
            }
        }
    }

    // 获取左子节点索引
    private int getLeftChildIndex(int currentIndex) {
        return currentIndex * 2 + 1;
    }

    // 获取右子节点索引
    private int getRightChildIndex(int currentIndex) {
        return currentIndex * 2 + 2;
    }

    // 获取父节点索引
    private int getParentIndex(int currentIndex) {
        if (currentIndex == 0) {
            throw new RuntimeException("root node has no parent");
        }
        return (currentIndex - 1) / 2;
    }

    public ArrayList getArray() {
        return array;
    }

    public void setArray(ArrayList array) {
        this.array = array;
    }
}

3.3 代码测试
public class MyMaxHeapTest {
    public static void main(String[] args) {
        MyMaxHeap maxHeap = new MyMaxHeap();
        maxHeap.offer(70);
        maxHeap.offer(90);
        maxHeap.offer(80);
        maxHeap.offer(100);
        maxHeap.offer(60);
        System.out.println("maxHeap test offer, heapInfo=" + maxHeap.getArray());
        Integer maxValue = maxHeap.getAndRemoveTop();
        System.out.println("maxHeap test getAndRemoveTop, maxValue=" + maxValue + ", heapInfo=" + maxHeap.getArray());
    }
}

代码执行结果:

maxHeap test offer, heapInfo=[100, 90, 80, 70, 60]
maxHeap test getAndRemoveTop, maxValue=100, heapInfo=[90, 70, 80, 60]

4 手写优先队列

我们在第三章节手写了大顶堆,那么手写优先队列就很简单了,只需要声明一个队列对大顶堆进行封装,并提供队列相关访问方法即可。


4.1 接口声明
public interface IPriorityQueue {

    
    public void offer(E element);

    
    public E poll();

    
    public int size();
}

4.2 优先队列实现
public class MyPriorityQueue implements IPriorityQueue {

    private MyMaxHeap myMaxHeap;

    public MyPriorityQueue() {
        myMaxHeap = new MyMaxHeap();
    }

    @Override
    public void offer(E element) {
        myMaxHeap.add(element);
    }

    @Override
    public E poll() {
        return myMaxHeap.getAndRemoveTop();
    }

    @Override
    public int size() {
        return myMaxHeap.size();
    }
}

4.3 代码测试
public class PriorityQueueTest {
    public static void main(String[] args) {
        MyPriorityQueue myPriorityQueue = new MyPriorityQueue();
        myPriorityQueue.offer(10);
        myPriorityQueue.offer(30);
        myPriorityQueue.offer(20);
        while (myPriorityQueue.size() > 0) {
            System.out.println(myPriorityQueue.poll());
        }
    }
}

代码执行结果:

30
20
10

5 源码分析 5.1 PriorityQueue

我们看到在offer方法进行了siftUp,规则是当前节点小于父节点则交换位置,在poll方法进行了siftDown,规则是当前节点大于较大子节点则交换位置。

这两个规则表示使用了小顶堆,可以解释第一章节应用一输出顺序。我们在应用二修改对象比较规则,交换比较顺序,那么可以实现大顶堆功能。

package java.util;

public class PriorityQueue extends AbstractQueue implements java.io.Serializable {

    private static final int DEFAULT_INITIAL_CAPACITY = 11;

    transient Object[] queue;

    private int size = 0;

    private final Comparator comparator;

    public PriorityQueue() {
        this(DEFAULT_INITIAL_CAPACITY, null);
    }

    public PriorityQueue(Comparator comparator) {
        this(DEFAULT_INITIAL_CAPACITY, comparator);
    }

    // 新增元素
    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
            // 上浮
            siftUp(i, e);
        return true;
    }

    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 key = (Comparable) x;
        while (k > 0) {
            // 父索引
            int parent = (k - 1) >>> 1;
            // 父节点
            Object e = queue[parent];
            // 当前节点大于等于父节点则退出循环
            if (key.compareTo((E) e) >= 0)
                break;
            // 当前节点小于父节点则交换位置上浮
            queue[k] = e;
            k = parent;
        }
        queue[k] = key;
    }

    // 获取并删除队首元素
    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)
            // 下沉
            siftDown(0, x);
        return result;
    }

    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 key = (Comparable)x;
        int half = size >>> 1;
        while (k < half) {
            // 左子索引
            int child = (k << 1) + 1;
            // 左子节点
            Object c = queue[child];
            // 右子索引
            int right = child + 1;
            // 比较左右子节点较大节点
            if (right < size && ((Comparable) c).compareTo((E) queue[right]) > 0)
                c = queue[child = right];
            // 当前节点小于等于较大节点则退出循环
            if (key.compareTo((E) c) <= 0)
                break;
            // 当前节点大于较大节点则交换位置下沉
            queue[k] = c;
            k = child;
        }
        queue[k] = key;
    }
}

5.2 DelayQueue

延时队列底层使用优先队列,优先级指标是根据元素本身的时间属性,在新增元素时越靠近队列头部,元素到期时间越早。

在取出堆顶元素时,首先调用元素getDelay方法,通常是元素时间减去当前时间,如果元素时间小于等于当前时间,表示元素已经到期则取出并删除队首元素。

package java.util.concurrent;

public class DelayQueue extends AbstractQueue implements BlockingQueue {

    private final transient ReentrantLock lock = new ReentrantLock();
    private final PriorityQueue q = new PriorityQueue();

    public boolean offer(E e) {
        final ReentrantLock lock = this.lock;
        lock.lock();
        try {
            q.offer(e);
            if (q.peek() == e) {
                leader = null;
                available.signal();
            }
            return true;
        } finally {
            lock.unlock();
        }
    }

    public E poll() {
        final ReentrantLock lock = this.lock;
        lock.lock();
        try {
            // 获取队首元素
            E first = q.peek();
            // 队首元素时间大于当前时间表示没到期
            if (first == null || first.getDelay(NANOSECONDS) > 0)
                return null;
            // 队首元素时间小于等于当前时间表示到期则取出并删除
            else
                return q.poll();
        } finally {
            lock.unlock();
        }
    }
}

6 文章总结

第一本文首先使用了java.util.PriorityQueue进行功能演示,从应用一可以看出其默认使用了小顶堆,从应用二可以看出当改变对象比较关系之后,可以达到大顶堆效果。

第二本文介绍了二叉堆相关概念,二叉堆分为大顶堆和小顶堆,其中最重要的两个方法是新增元素和获取并删除堆顶元素,最重要的两个过程是上浮和下沉。

第三本文手写了大顶堆和优先队列,其中大顶堆最重要的是处理上浮和下沉这两个过程,优先队列在大顶堆基础上进行封装。

第四本文分析了PriorityQueue与DelayQueue源码,其中优先队列默认使用小顶堆,延时队列底层使用优先队列,优先级指标是时间,希望本文对大家有所帮助。


欢迎大家关注公众号「JAVA前线」查看更多精彩分享文章,主要包括源码分析、实际应用、架构思维、职场分享、产品思考等等,同时欢迎大家加我个人微信「java_front」一起交流学习

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5694954.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-17
下一篇 2022-12-17

发表评论

登录后才能评论

评论列表(0条)

保存