本来第二篇想解析一下LinkedList，不过扫了一下源码后，觉得LinkedList的实现比较简单，没有什么意思，于是移步PriorityQueue。
PriorityQueue通过数组实现了一个堆数据结构（相当于一棵完全二叉树），元素的优先级可以通过一个Comparator来计算，如果不指定Comparator，那么元素类型应该实现Comparable接口。最终compare得出的最小元素，放在堆的根部。
成员变量
public class PriorityQueue<E> extends AbstractQueue<E> {
transient Object[] queue; // non-private to simplify nested class access
private int size = 0;
private final Comparator<? super E> comparator;
transient int modCount = 0; // non-private to simplify nested class access
}
PriorityQueue的成员变量和ArrayList高度类似：
- queue 元素存储空间数组，代表一棵完全二叉树，索引位置n的节点的左右子树分别为(2n+1)和(2n+2)；
- size 元素数量
- modCount 队列修改追踪标记
- comparator 优先级比较器，可以为null
堆算法
PriorityQueue最重要的部分就是维护堆的几个方法，它基本实现了《算法导论》介绍的堆算法。
1、插入元素siftDown
假定k位置的左右子树都是堆，siftDown方法把元素x插入位置k，然后对这个子堆进行调整，保证以k为根的子树也是堆。视comparator是否存在，siftDown使用siftDownUsingComparator或siftDownComparable，它们只是比较元素的方式不一样，结构是完全一致的，这里就只解读siftDownComparable。
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
@SuppressWarnings("unchecked")
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;
}
- 先计算一个half位置，因为这个位置之后就是叶节点，不需要继续往下；
- 计算k的左右子节点，找出compare值最小的节点；
- 如果就是x，那么k就是插入位置；
- 如果是子节点，子节点value上移，k指向子节点位置
- 继续尝试向下探索
2、插入元素siftUp
往k位置插入值x，siftUp采用的方式是往树根方向移动，将祖先节点compare值比较大的往下交换。
siftup的用途要少一点。
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
@SuppressWarnings("unchecked")
private void siftUpComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>) x;
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = queue[parent];
if (key.compareTo((E) e) >= 0)
break;
queue[k] = e;
k = parent;
}
queue[k] = key;
}
- 如果k>0，那么k不是树根，就可以继续往上探索；
- 找到k的父节点parent，比较x和parent的值
- 如果x>=parent，说明x放在k，以parent为根是一个子堆；
- 否则将parent放入k位置，k指向parent，继续探索
3、建堆
@SuppressWarnings("unchecked")
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--)
siftDown(i, (E) queue[i]);
}
从中间索引位置开始(往后的都是叶节点)，往树根方向遍历，对每个位置调用siftDown。
- i的初始值，由于只有一层叶子节点，所以满足
左右子树都是子堆的条件，siftDown使得，以i为树根的节点也是子堆； - 当i变小时，由于k>i的子树已经是堆，那么必然i的左右子树都是堆，所以siftDown使得，以i为树根的节点也是子堆；
- 最终siftDown(0,queue[0])使得整棵树成为一个堆。
offer和poll
现在可以来看看queue最常见的两个操作：offer和poll。
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先把一个对象放入队列的末尾，前面的空间检查及增长和ArrayList极为类似。
i就是插入位置，如果i==0，queue是空的，插入就完事了；否则通过siftUp来插入，因为i是叶节点，所以可以认为i子树是一个子堆，siftup保证e会往树根方向，找到一个合适的位置，使整棵树保持了堆的特性。
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;
}
poll取出树根元素作为返回值，然后将最后一个元素取出来，通过siftDown插入到树根位置，前面讲过siftDown的性质，这个操作使得整棵树仍然保持堆特性。
remove操作
public boolean remove(Object o) {
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i);
return true;
}
}
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;
}
这个private的removeAt操作比较有意思，它执行的操作是删除第i个节点(存储空间的第i个，而不是优先级的第i个，这块容易引起人的误解，所以没有类似的public方法）。
- 如果删除的是最后一个元素，直接置为null即可；
- 否则把最后一个元素取出来，插入到i位置
- 插入的过程是先siftDown，如果siftDown的最终位置就是i，那么说明move比i的子树元素都小，此时再尝试一下siftUp；否则siftUp是不需要执行的；
- 当siftUp执行的结果是末尾元素，被移动到了i之前，那么返回这个元素，其他情况都返回null
这个返回值也是出人意料，不是返回删除的元素，而是在保持堆特性的过程中，如果有尾部元素被移动到i之前的位置，就返回它。这纯粹是为了帮助PriorityQueue的迭代器实现，下一节马上解释。
迭代器
首先要明确一点，PriorityQueue的迭代器并不按优先级顺序来遍历元素，主要就是按存储顺序来遍历，先看迭代器的成员
private final class Itr implements Iterator<E> {
private int cursor = 0;
private int lastRet = -1;
private int expectedModCount = modCount;
private ArrayDeque<E> forgetMeNot = null;
private E lastRetElt = null;
}
cursor、lastRet、expectedModCount的作用和ArrayList的迭代器完全一致；但是多出来的forgetMeNot和lastRetElt让人有点莫民奇妙。
再看看remove方法的实现：
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<>();
forgetMeNot.add(moved);
}
} else if (lastRetElt != null) {
PriorityQueue.this.removeEq(lastRetElt);
lastRetElt = null;
} else {
throw new IllegalStateException();
}
expectedModCount = modCount;
}
如果lastRet有效，那么调用PriorityQueued.removeAt(lastRet)来删除元素，通过上一节我们知道，removeAt方法可能导致某个元素从末尾被移动到lastRet前面，这样的话，迭代器就会丢失这个元素。为了解决这个问题，迭代器把这个元素放到了一个临时ArrayDeque里面。
这样如果lastRet没有指向有效的元素，那么有可能正在遍历ArrayDeque里面的元素，此时通过lastRetElt来指向。
再看next方法就很容易明白了
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();
}
先顺着cursor遍历，再把forgetMeNot里面的元素遍历一遍。