并发编程（十四）—— ScheduledThreadPoolExecutor 实现原理与源码深度解析 之 DelayedWorkQueue
我们知道线程池运行时，会不断从任务队列中获取任务，然后执行任务。如果我们想实现延时或者定时执行任务，重要一点就是任务队列会根据任务延时时间的不同进行排序，延时时间越短地就排在队列的前面，先被获取执行。
队列是先进先出的数据结构，就是先进入队列的数据，先被获取。但是有一种特殊的队列叫做优先级队列，它会对插入的数据进行优先级排序，保证优先级越高的数据首先被获取，与数据的插入顺序无关。
实现优先级队列高效常用的一种方式就是使用堆。
什么是堆？
堆通常是一个可以被看做一棵树的数组对象。
堆(heap)又被为优先队列(priority queue)。尽管名为优先队列，但堆并不是队列。
因为队列中允许的操作是先进先出（fifo），在队尾插入元素，在队头取出元素。
而堆虽然在堆底插入元素，在堆顶取出元素，但是堆中元素的排列不是按照到来的先后顺序，而是按照一定的优先顺序排列的。
这里来说明一下满二叉树的概念与完全二叉树的概念。
满二叉树
除了叶子节点，所有的节点的左右孩子都不为空，就是一棵满二叉树，如下图。
可以看出：满二叉树所有的节点都拥有左孩子，又拥有右孩子。
完全二叉树
不一定是一个满二叉树，但它不满的那部分一定在右下侧，如下图
堆总是满足下列性质：
-
堆中某个节点的值总是不大于或不小于其父节点的值；
-
堆总是一棵完全二叉树。
- 最大值时，称为“最大堆”，也称大顶堆；
- 最小值时，称为“最小堆”，也称小顶堆。
堆的实现
堆是一个二叉树，但是它最简单的方式是通过数组去实现二叉树，而且因为堆是一个完全二叉树，就不存在数组空间的浪费。怎么使用数组来存储二叉树呢？
就是用数组的下标来模拟二叉树的各个节点,比如说根节点就是0，第一层的左节点是1，右节点是2。由此我们可以得出下列公式：
1 // 对于n位置的节点来说： 2 int left = 2 * n + 1; // 左子节点 3 int right = 2 * n + 2; // 右子节点 4 int parent = (n - 1) / 2; // 父节点，当然n要大于0，根节点是没有父节点的
对于堆来说，只有两个操作，插入insert和删除remove，不管插入还是删除保证堆的成立条件，1.是完全二叉树，2.父节点的值不能小于子节点的值。
最大堆的插入（add）
1 public void insert(int value) {
2 // 第一步将插入的值，直接放在最后一个位置。并将长度加一
3 store[size++] = value;
4 // 得到新插入值所在位置。
5 int index = size - 1;
6 while(index > 0) {
7 // 它的父节点位置坐标
8 int parentindex = (index - 1) / 2;
9 // 如果父节点的值小于子节点的值，你不满足堆的条件，那么就交换值
10 if (store[index] > store[parentindex]) {
11 swap(store, index, parentindex);
12 index = parentindex;
13 } else {
14 // 否则表示这条路径上的值已经满足降序，跳出循环
15 break;
16 }
17 }
18 }
主要步骤:
-
直接将value插入到size位置，并将size自增，这样store数组中插入一个值了。
-
要保证从这个叶节点到根节点这条路径上的节点，满足父节点的值不能小于子节点。
-
通过int parentindex = (index - 1) / 2得到父节点，如果比父节点值大，那么两者位置的值交换，然后再拿这个父节点和它的父父节点比较。
直到这个节点值比父节点值小，或者这个节点已经是根节点就退出循环。
因为每次循环index都是除以2这种倍数递减的方式，所以它最多循环次数是(log n)次。
最大堆的删除（delete）
1 public int remove() {
2 // 将根的值记录，最后返回
3 int result = store[0];
4 // 将最后位置的值放到根节点位置
5 store[0] = store[--size];
6 int index = 0;
7 // 通过循环，保证父节点的值不能小于子节点。
8 while(true) {
9 int leftindex = 2 * index + 1; // 左子节点
10 int rightindex = 2 * index + 2; // 右子节点
11 // leftindex >= size 表示这个子节点还没有值。
12 if (leftindex >= size) break;
13 int maxindex = leftindex;
14 //找到左右节点中较大的一个节点
15 if (store[leftindex] < store[rightindex]) maxindex = rightindex;
16 //与子节点中较大的子节点比较，如果子节点更大，则交换位置
17 //为什么要与较大的子节点比较呢？如果和较小的节点比较，没有交换位置，但有可能比较大的节点小
18 if (store[index] < store[maxindex]) {
19 swap(store, index, maxindex);
20 index = maxindex;
21 } else {
22 //满足子节点比当前节点小，退出循环
23 break;
24 }
25 }
26 //返回最开始的第一个值
27 return result;
28 }
在堆中最大值就在根节点，所以操作步骤：
-
将根节点的值保存到result中。
-
将最后节点的值移动到根节点，再将长度减一，这样满足堆成立第一个条件，堆是一个完全二叉树。
-
使用循环，来满足堆成立的第二个条件，父节点的值不能小于子节点的值。
-
最后返回result。
每次循环我们都是以2的倍数递增，所以它也是最多循环次数是(log n)次。
所以通过堆这种方式可以快速实现优先级队列，它的插入和删除操作的效率都是o(log n)。
那么怎么实现堆排序？这个很简单，利用优先队列的特性：
- 先遍历数组。将数组中的值依次插入到堆中。
- 然后再用一个循环将值从堆中取出来。
1 private static void headsort(int[] arr) {
2 int size = arr.length;
3 head head = new head(size);
4 for (int i = 0; i < size; i++) {
5 head.insert(arr[i]);
6 }
7 for (int i = 0; i < size; i++) {
8 // 实现从大到小的排序
9 arr[size - 1 - i] = head.remove();
10 }
11 }
堆排序的效率：因为每次插入数据效率是o(log n)，而我们需要进行n次循环，将数组中每个值插入到堆中，所以它的执行时间是o(n * log n)级。
delayedworkqueue类
1 static class delayedworkqueue extends abstractqueue<runnable>
2 implements blockingqueue<runnable> {
从定义中看出delayedworkqueue是一个阻塞队列。并且delayedworkqueue是一个最小堆，最顶点的值最小，即堆中某个节点的值总是不小于其父节点的值。
属性
1 // 初始时，数组长度大小。 2 private static final int initial_capacity = 16; 3 // 使用数组来储存队列中的元素。 4 private runnablescheduledfuture<?>[] queue = 5 new runnablescheduledfuture<?>[initial_capacity]; 6 // 使用lock来保证多线程并发安全问题。 7 private final reentrantlock lock = new reentrantlock(); 8 // 队列中储存元素的大小 9 private int size = 0; 10 11 //特指队列头任务所在线程 12 private thread leader = null; 13 14 // 当队列头的任务延时时间到了，或者有新的任务变成队列头时，用来唤醒等待线程 15 private final condition available = lock.newcondition();
delayedworkqueue是用数组来储存队列中的元素，那么我们看看它是怎么实现优先级队列的。
插入元素方法
1 public void put(runnable e) {
2 offer(e);
3 }
4
5 public boolean add(runnable e) {
6 return offer(e);
7 }
8
9 public boolean offer(runnable e, long timeout, timeunit unit) {
10 return offer(e);
11 }
我们发现与普通阻塞队列相比，这三个添加方法都是调用offer方法。那是因为它没有队列已满的条件，也就是说可以不断地向delayedworkqueue添加元素,当元素个数超过数组长度时，会进行数组扩容。
1 public boolean offer(runnable x) {
2 if (x == null)
3 throw new nullpointerexception();
4 runnablescheduledfuture<?> e = (runnablescheduledfuture<?>)x;
5 // 使用lock保证并发操作安全
6 final reentrantlock lock = this.lock;
7 lock.lock();
8 try {
9 int i = size;
10 // 如果要超过数组长度，就要进行数组扩容
11 if (i >= queue.length)
12 // 数组扩容
13 grow();
14 // 将队列中元素个数加一
15 size = i + 1;
16 // 如果是第一个元素，那么就不需要排序，直接赋值就行了
17 if (i == 0) {
18 queue[0] = e;
19 setindex(e, 0);
20 } else {
21 // 调用siftup方法，使插入的元素变得有序。
22 siftup(i, e);
23 }
24 // 表示新插入的元素是队列头，更换了队列头，
25 // 那么就要唤醒正在等待获取任务的线程。
26 if (queue[0] == e) {
27 leader = null;
28 // 唤醒正在等待等待获取任务的线程
29 available.signal();
30 }
31 } finally {
32 lock.unlock();
33 }
34 return true;
35 }
数组扩容方法：
1 private void grow() {
2 int oldcapacity = queue.length;
3 // 每次扩容增加原来数组的一半数量。
4 int newcapacity = oldcapacity + (oldcapacity >> 1); // grow 50%
5 if (newcapacity < 0) // overflow
6 newcapacity = integer.max_value;
7 // 使用arrays.copyof来复制一个新数组
8 queue = arrays.copyof(queue, newcapacity);
9 }
插入元素排序siftup方法：
1 private void siftup(int k, runnablescheduledfuture<?> key) {
2 // 当k==0时，就到了堆二叉树的根节点了，跳出循环
3 while (k > 0) {
4 // 父节点位置坐标, 相当于(k - 1) / 2
5 int parent = (k - 1) >>> 1;
6 // 获取父节点位置元素
7 runnablescheduledfuture<?> e = queue[parent];
8 // 如果key元素大于父节点位置元素，满足条件，那么跳出循环
9 // 因为是从小到大排序的。
10 if (key.compareto(e) >= 0)
11 break;
12 // 否则就将父节点元素存放到k位置
13 queue[k] = e;
14 // 这个只有当元素是scheduledfuturetask对象实例才有用，用来快速取消任务。
15 setindex(e, k);
16 // 重新赋值k，寻找元素key应该插入到堆二叉树的那个节点
17 k = parent;
18 }
19 // 循环结束，k就是元素key应该插入的节点位置
20 queue[k] = key;
21 setindex(key, k);
22 }
主要是三步：
- 元素个数超过数组长度，就会调用grow()方法，进行数组扩容。
- 将新元素e添加到优先级队列中对应的位置，通过siftup方法，保证按照元素的优先级排序。
- 如果新插入的元素是队列头，即更换了队列头，那么就要唤醒正在等待获取任务的线程。这些线程可能是因为原队列头元素的延时时间没到，而等待的。
假设现有元素 5 需要插入，为了维持完全二叉树的特性，新插入的元素一定是放在结点 6 的右子树；同时为了满足任一结点的值要小于左右子树的值这一特性，新插入的元素要和其父结点作比较，如果比父结点小，就要把父结点拉下来顶替当前结点的位置，自己则依次不断向上寻找，找到比自己大的父结点就拉下来，直到没有符合条件的值为止。
动画讲解：
在这里先将元素 5 插入到末尾，即放在结点 6 的右子树。
然后与父类比较， 6 > 5 ，父类数字大于子类数字，子类与父类交换。
重复此操作，直到不发生替换。
立即获取队列头元素
1 public runnablescheduledfuture<?> poll() {
2 final reentrantlock lock = this.lock;
3 lock.lock();
4 try {
5 runnablescheduledfuture<?> first = queue[0];
6 // 队列头任务是null，或者任务延时时间没有到，都返回null
7 if (first == null || first.getdelay(nanoseconds) > 0)
8 return null;
9 else
10 // 移除队列头元素
11 return finishpoll(first);
12 } finally {
13 lock.unlock();
14 }
15 }
当队列头任务是null，或者任务延时时间没有到，表示这个任务还不能返回，因此直接返回null。否则调用finishpoll方法，移除队列头元素并返回。
1 // 移除队列头元素
2 private runnablescheduledfuture<?> finishpoll(runnablescheduledfuture<?> f) {
3 // 将队列中元素个数减一
4 int s = --size;
5 // 获取队列末尾元素x
6 runnablescheduledfuture<?> x = queue[s];
7 // 原队列末尾元素设置为null
8 queue[s] = null;
9 if (s != 0)
10 // 将队列最后一个元素移动到对列头元素位置，然后向下排序
11 // 因为移除了队列头元素，所以进行重新排序。
12 siftdown(0, x);
13 setindex(f, -1);
14 return f;
15 }
这个方法与我们在第一节中，介绍堆的删除方法一样。
- 先将队列中元素个数减一。
- 将原队列末尾元素设置成队列头元素，再将队列末尾元素设置为null。
- 调用siftdown(0, x)方法，保证按照元素的优先级排序。
移除元素排序siftdown方法：
1 private void siftdown(int k, runnablescheduledfuture<?> key) {
2 int half = size >>> 1;
3 // 通过循环，保证父节点的值不能大于子节点。
4 while (k < half) {
5 // 左子节点, 相当于 (k * 2) + 1
6 int child = (k << 1) + 1;
7 // 左子节点位置元素
8 runnablescheduledfuture<?> c = queue[child];
9 // 右子节点, 相当于 (k * 2) + 2
10 int right = child + 1;
11 // 如果左子节点元素值大于右子节点元素值，那么右子节点才是较小值的子节点。
12 // 就要将c与child值重新赋值
13 if (right < size && c.compareto(queue[right]) > 0)
14 c = queue[child = right];
15 // 如果父节点元素值小于较小的子节点元素值，那么就跳出循环
16 if (key.compareto(c) <= 0)
17 break;
18 // 否则，父节点元素就要和子节点进行交换
19 queue[k] = c;
20 setindex(c, k);
21 k = child;
22 }
23 // 循环结束，k就是元素key应该插入的节点位置
24 queue[k] = key;
25 setindex(key, k);
26 }
我们来看看动画
核心点：将最后一个元素填充到堆顶，然后不断的下沉这个元素。
假设要从节点 1 ，也可以称为取出节点 1 ，为了维持完全二叉树的特性 ，我们将最后一个元素 6 去替代这个 1 ；然后比较 1 和其子树的大小关系，如果比左右子树大（如果存在的话），就要从左右子树中找一个较小的值替换它，而它能自己就要跑到对应子树的位置，再次循环这种操作，直到没有子树比它小。
通过这样的操作，堆依然是堆，总结一下：
- 找到要删除的节点（取出的节点）在数组中的位置
- 用数组中最后一个元素替代这个位置的元素
- 当前位置和其左右子树比较，保证符合最小堆的节点间规则
- 删除最后一个元素
等待获取队列头元素
1 public runnablescheduledfuture<?> take() throws interruptedexception {
2 final reentrantlock lock = this.lock;
3 lock.lockinterruptibly();
4 try {
5 for (;;) {
6 runnablescheduledfuture<?> first = queue[0];
7 // 如果没有任务，就让线程在available条件下等待。
8 if (first == null)
9 available.await();
10 else {
11 // 获取任务的剩余延时时间
12 long delay = first.getdelay(nanoseconds);
13 // 如果延时时间到了，就返回这个任务，用来执行。
14 if (delay <= 0)
15 return finishpoll(first);
16 // 将first设置为null，当线程等待时，不持有first的引用
17 first = null; // don't retain ref while waiting
18
19 // 如果还是原来那个等待队列头任务的线程，
20 // 说明队列头任务的延时时间还没有到，继续等待。
21 if (leader != null)
22 available.await();
23 else {
24 // 记录一下当前等待队列头任务的线程
25 thread thisthread = thread.currentthread();
26 leader = thisthread;
27 try {
28 // 当任务的延时时间到了时，能够自动超时唤醒。
29 available.awaitnanos(delay);
30 } finally {
31 if (leader == thisthread)
32 leader = null;
33 }
34 }
35 }
36 }
37 } finally {
38 if (leader == null && queue[0] != null)
39 // 唤醒等待任务的线程
40 available.signal();
41 lock.unlock();
42 }
43 }
如果队列中没有任务，那么就让当前线程在available条件下等待。如果队列头任务的剩余延时时间delay大于0，那么就让当前线程在available条件下等待delay时间。
超时等待获取队列头元素
1 public runnablescheduledfuture<?> poll(long timeout, timeunit unit)
2 throws interruptedexception {
3 long nanos = unit.tonanos(timeout);
4 final reentrantlock lock = this.lock;
5 lock.lockinterruptibly();
6 try {
7 for (;;) {
8 runnablescheduledfuture<?> first = queue[0];
9 // 如果没有任务。
10 if (first == null) {
11 // 超时时间已到，那么就直接返回null
12 if (nanos <= 0)
13 return null;
14 else
15 // 否则就让线程在available条件下等待nanos时间
16 nanos = available.awaitnanos(nanos);
17 } else {
18 // 获取任务的剩余延时时间
19 long delay = first.getdelay(nanoseconds);
20 // 如果延时时间到了，就返回这个任务，用来执行。
21 if (delay <= 0)
22 return finishpoll(first);
23 // 如果超时时间已到，那么就直接返回null
24 if (nanos <= 0)
25 return null;
26 // 将first设置为null，当线程等待时，不持有first的引用
27 first = null; // don't retain ref while waiting
28 // 如果超时时间小于任务的剩余延时时间，那么就有可能获取不到任务。
29 // 在这里让线程等待超时时间nanos
30 if (nanos < delay || leader != null)
31 nanos = available.awaitnanos(nanos);
32 else {
33 thread thisthread = thread.currentthread();
34 leader = thisthread;
35 try {
36 // 当任务的延时时间到了时，能够自动超时唤醒。
37 long timeleft = available.awaitnanos(delay);
38 // 计算剩余的超时时间
39 nanos -= delay - timeleft;
40 } finally {
41 if (leader == thisthread)
42 leader = null;
43 }
44 }
45 }
46 }
47 } finally {
48 if (leader == null && queue[0] != null)
49 // 唤醒等待任务的线程
50 available.signal();
51 lock.unlock();
52 }
53 }
与take方法相比较，就要考虑设置的超时时间，如果超时时间到了，还没有获取到有用任务，那么就返回null。其他的与take方法中逻辑一样。
推荐博客
总结
使用优先级队列delayedworkqueue，保证添加到队列中的任务，会按照任务的延时时间进行排序，延时时间少的任务首先被获取。
上一篇： django-1-框架介绍
下一篇： 原生js 对象深拷贝