队列这个概念非常好理解。你可以把它想象成排队买票,先来的先买,后来的人只能站末尾,不允许插队。先进者先出,这就是典型的“队列”结构。
我们知道,栈一般只支持入栈(push)和出栈(pop)这两个基本操作。队列跟栈非常相似,支持的操作也很有限:入队(enqueue),放一个数据到队列尾部;出队(dequeue),从队列头部取一个元素。
所以,队列跟栈一样,也是一种操作受限的线性表数据结构。队列作为一种非常基础的数据结构,应用也非常广泛,特别是一些具有某些额外特性的队列,比如循环队列、阻塞队列、并发队列。还有高性能队列 Disruptor、Linux 环形缓存,都用到了循环并发队列。
队列的实现
队列跟栈一样,也是一种抽象的数据结构。它具有先进先出的特性,支持在队尾插入元素,在队头删除元素,那究竟该如何实现一个队列呢?
跟栈一样,队列可以用数组来实现,也可以用链表来实现。用数组实现的栈叫作顺序栈,用链表实现的栈叫作链式栈。同样,用数组实现的队列叫作顺序队列,用链表实现的队列叫作链式队列。
1. 顺序队列
public class ArrayQueue {private final String[] item;/** 队列头元素数组下标 */private int head;/** 队列尾元素数组下标 */private int tail;public ArrayQueue(int capacity) {item = new String[capacity];}/*** 入队到队尾*/public boolean enqueue(String s) {// 队满if (tail == item.length) {return false;}item[tail] = s;++tail;return true;}/*** 从队头出队*/public String dequeue() {// 如果队头和队尾重合,则队列中没有元素if (head == tail) {return null;}String value = item[head];++head;return value;}}
对于栈来说,我们只需要一个栈顶指针就可以了。但是队列需要两个指针:一个 head 指针,一个 tail 指针。如下图,当 a、b、c、d 依次入队后,队列中的 head 指针指向下标为 0 的位置,tail 指针指向下标为 4 的位置。
当我们调用两次出队操作之后,队列中 head 指针指向下标为 2 的位置,tail 指针仍然指向下标为 4 的位置。
如图所示,随着不停地进行入队、出队操作,head 和 tail 都会持续往后移动。当 tail 移动到最右边,即使数组中还有空闲空间,也无法继续往队列中添加数据了。对此,我们可以采用数据搬移!但是,每次进行出队操作都相当于删除数组下标为 0 的数据,要搬移整个队列中的数据,这样出队操作的时间复杂度就会从原来的 O(1) 变为 O(n)。能不能优化一下呢?
实际上,我们在出队时可以不用搬移数据。如果没有空闲空间了,我们只需要在入队时,再集中触发一次数据的搬移操作。借助这个思想,出队函数 dequeue() 保持不变,我们稍加改造一下入队函数 enqueue() 的实现,就可以解决刚才的问题了。下面是具体的代码:
public boolean enqueue(String value) {
// 队满
if (tail == item.length) {
if (head > 0) {
// 有空余空间
for (int i = 0; i < head; i++) {
item[i] = item[i + head];
}
// 搬移完之后重新更新head和tail
tail = tail - head;
head = 0;
} else {
// 表示整个队列都占满了
return false;
}
}
item[tail] = value;
tail++;
return true;
}
从代码中可以看到,当队列的 tail 指针移动到数组的最右边后,如果有新的数据入队,我们可以将 head 到 tail 之间的数据,整体搬移到数组中 0 到 tail-head 的位置。
2. 链式队列
基于链表的实现,我们同样需要两个指针:head 指针和 tail 指针。它们分别指向链表的第一个结点和最后一个结点。如图所示,入队时,tail->next= new_node, tail = tail->next;出队时,head = head->next。
代码实现如下:
public class LinkedQueue {
private Node head;
private Node tail;
/**
* 入队(尾插)
*/
public void enqueue(String s) {
Node node = new Node(s);
if (tail == null) {
head = node;
tail = node;
} else {
tail.next = node;
tail = node;
}
}
/**
* 出队(取头)
*/
public String dequeue() {
if (head == null) {
return null;
}
String value = head.value;
head = head.next;
// 只有一个节点时
if (head == null) {
tail = null;
}
return value;
}
}
3. 循环队列
我们刚才用数组来实现队列的时候,为了复用数组,在 tail==n 时,我们可以进行数据搬移操作,但这样入队操作的性能就会受到影响。那有没有办法能够避免数据搬移呢?我们来看看循环队列的解决思路。循环队列本质上就是一个环。原本数组是有头有尾的,是一条直线。现在我们把首尾相连,扳成了一个环。
可以看到,图中这个队列的大小为 8,当前 head=4,tail=7。当有一个新的元素 a 入队时,我们放入下标为 7 的位置。但这个时候,我们并不把 tail 更新为 8,而是将其在环中后移一位,到下标为 0 的位置。当再有一个元素 b 入队时,我们将 b 放入下标为 0 的位置,然后 tail 加 1 更新为 1。所以,在 a,b 依次入队之后,循环队列中的元素就变成了下面的样子:
通过这样的方法,我们就成功避免了数据搬移操作。看起来不难理解,但是循环队列的代码实现难度要比前面讲的非循环队列难多了。要想写出没有 bug 的循环队列的实现代码,最关键的是,确定好队空和队满的判定条件。在用数组实现的非循环队列中,队满的判断条件是 tail == array.length(),队空的判断条件是 head == tail。那针对循环队列,队空的判断条件仍然是 head == tail。但队满的判断条件就稍微有点复杂了。
上图中画的队满的情况,tail=3,head=4,length=8,所以总结一下规律就是:(3+1)%8=4。多画几张循环队列满的图,你就会发现,当队满时,(tail+1)%length=head。注意,当队列满时,图中的 tail 指向的位置实际上是没有存储数据的。所以,循环队列会浪费一个数组的存储空间。
public class ArrayCycleQueue {
private final String[] item;
/** 数组大小 */
private int n;
/** 头指针 */
private int head;
/** 尾指针 */
private int tail;
public CycleQueue(int capacity) {
item = new String[capacity];
n = capacity;
}
public boolean enqueue(String s) {
// 队满
if ((tail + 1) % n == head) {
return false;
}
item[tail] = s;
// 循环
tail = (tail + 1) % n;
return true;
}
public String dequeue() {
if (head == tail) {
return null;
}
String ret = item[head];
// 循环
head = (head + 1) % n;
return ret;
}
}
阻塞队列和并发队列
阻塞队列其实就是在队列基础上增加了阻塞操作。简单来说,就是在队列为空的时候,从队头取数据会被阻塞。因为此时还没有数据可取,直到队列中有了数据才能返回;如果队列已经满了,那么插入数据的操作就会被阻塞,直到队列中有空闲位置后再插入数据,然后再返回。
上述的定义就是一个“生产者-消费者模型”。这种基于阻塞队列实现的“生产者-消费者模型”,可以有效地协调生产和消费的速度。当生产者生产数据的速度过快,消费者来不及消费时,存储数据的队列很快就会满了。此时生产者就阻塞等待,直到消费者消费了数据,生产者才会被唤醒继续生产。
而且不仅如此,基于阻塞队列,我们还可以通过协调“生产者”和“消费者”的个数,来提高数据的处理效率。比如前面的例子,我们可以多配置几个“消费者”,来应对一个“生产者”。
在多线程情况下,会有多个线程同时操作队列,此时就会存在线程安全问题,线程安全的队列我们又叫作并发队列。最简单直接的实现方式是直接在 enqueue()、dequeue() 方法上加锁,但是锁粒度大并发度会比较低,同一时刻仅允许一个存或者取操作。实际上,基于数组的循环队列,利用 CAS 原子操作,可以实现非常高效的并发队列。这也是循环队列比链式队列应用更加广泛的原因。
