基于本文回答

播面 播面

文图音视，全方位拆解八股文
0
评论
请从左侧选择一个分类

PriorityQueue（优先队列）的底层原理

知识点图片

PriorityQueue 依靠底层二叉堆（默认最小堆）实现优先级。通过“上浮”（添加时）和“下沉”（删除时）算法维护堆结构，确保队首始终是最高优先级元素。

这是一个非常核心且重要的数据结构问题。

PriorityQueue（优先队列）实现其“优先级”的核心在于它底层使用了一种特殊的数据结构——二叉堆（Binary Heap）。

简单来说，你可以分三步来理解：

  1. 底层数据结构：它用的是什么？
  2. 核心操作：如何通过操作这个结构来维持优先级？
  3. 优先级定义：它怎么知道谁的优先级更高？

1. 底层数据结构：二叉堆（Binary Heap）

Java 的 PriorityQueue 默认实现是一个最小堆（Min-Heap）。堆是一种特殊的完全二叉树，它满足两个关键属性：

  • 结构属性（Shape Property）：它是一棵完全二叉树。这意味着树的每一层都是满的，除了最后一层，最后一层的节点都尽可能地靠左排列。这个特性使得我们可以非常高效地用数组来存储它，而不需要像普通树那样使用指针。

    • 父节点索引 i 的左子节点索引是 2*i + 1
    • 父节点索引 i 的右子节点索引是 2*i + 2
    • 子节点索引 i 的父节点索引是 (i - 1) / 2

  • 堆属性（Heap Property）：对于最小堆来说，任何一个父节点的值都小于或等于其所有子节点的值。这意味着，树的根节点（数组的第一个元素）永远是整个队列中值最小（优先级最高）的元素。

    上图是一个最小堆，根节点1是最小的元素。

2. 核心操作：如何维持优先级？

PriorityQueue 的主要操作是 add (入队) 和 poll (出队)。正是这两个操作的内部算法，保证了堆的属性始终被维持，从而实现了优先级。

a) add(E e) 方法（入队操作）

当一个新元素被添加到队列中时，为了不破坏堆的结构，它会经历一个“上浮”（Sift Up / Bubble Up）的过程：

  1. 添加到末尾：将新元素放在数组的末尾，这保持了完全二叉树的结构。
  2. 比较并上浮：将新元素与其父节点进行比较。如果新元素比父节点小（在最小堆中），就与父节点交换位置。
  3. 重复上浮：重复步骤2，直到这个新元素不再小于其父节点，或者它已经到达了堆顶（根节点）的位置。

示例：向 [10, 20, 15] 组成的堆中添加元素 5

  1. 初始状态:

    • 数组: [10, 20, 15]
    • 堆结构:
      plaintext 
         10
  /  \
 20   15

  2. 添加 5 到末尾:

    • 数组: [10, 20, 15, 5]
    • 堆结构:
      plaintext 
         10
  /  \
 20   15
/
   5

    此时，堆属性被破坏了（5 < 20）。

  3. 上浮 5:

    • 5 和它的父节点 20 比较，5 < 20，交换。
    • 数组: [10, 5, 15, 20]
    • 堆结构:
      plaintext 
         10
  /  \
 5    15
/
   20

    此时，堆属性仍然被破坏（5 < 10）。

  4. 继续上浮 5:

    • 5 和它的新父节点 10 比较，5 < 10，交换。
    • 数组: [5, 10, 15, 20]
    • 堆结构:
      plaintext 
         5
  /  \
 10   15
/
   20

    5 到达了堆顶，上浮结束。堆属性恢复。

这个上浮过程的时间复杂度是 O(log n)，因为树的高度是对数级别的。

b) poll() 方法（出队操作）

poll() 方法总是移除并返回优先级最高的元素，也就是堆顶的元素。为了保持堆的结构，它会经历一个“下沉”（Sift Down / Heapify）的过程：

  1. 记录并替换堆顶：记录下堆顶元素（数组的第一个元素），这是要返回的值。然后，将数组的最后一个元素移动到堆顶位置。这保证了树的完整性。
  2. 比较并下沉：将新的堆顶元素与其两个子节点中较小的一个进行比较。如果它比这个较小的子节点大，就与这个子节点交换位置。
  3. 重复下沉：重复步骤2，直到这个元素不再大于它的任何子节点，或者它已经到达了叶子节点的位置。

示例：从 [5, 10, 15, 20] 组成的堆中 poll() 元素

  1. 初始状态:

    • 数组: [5, 10, 15, 20]
    • 堆结构:
      plaintext 
         5
  /  \
 10   15
/
   20

  2. 移除 5，用末尾元素 20 替换:

    • 要返回的值是 5。
    • 数组变为: [20, 10, 15]
    • 堆结构:
      plaintext 
         20
  /  \
 10   15

    此时，堆属性被破坏（20 > 10 且 20 > 15）。

  3. 下沉 20:

    • 20 的子节点是 10 和 15。较小的是 10。
    • 20 > 10，所以 20 和 10 交换。
    • 数组: [10, 20, 15]
    • 堆结构:
      plaintext 
         10
  /  \
 20   15

    20 现在是叶子节点，下沉结束。堆属性恢复。

这个下沉过程的时间复杂度也是 O(log n)。

3. 优先级定义：如何比较元素？

PriorityQueue 怎么知道哪个元素“更小”或“更大”呢？它通过以下两种方式之一来确定元素的优先级顺序：

  1. 自然排序 (Natural Ordering)
    如果存入队列的元素类实现了 java.lang.Comparable 接口（例如 Integer, String 等），PriorityQueue 会默认使用该类自身的 compareTo() 方法来比较元素。这就是所谓的自然排序。

  2. 自定义排序 (Custom Ordering)
    如果你想使用自定义的优先级规则（比如创建一个最大堆，或者根据对象的某个特定属性排序），可以在创建 PriorityQueue 时传入一个 java.util.Comparator 对象。

    示例：创建一个最大堆（优先级最高的元素是最大的）

    java 
    // 使用 Lambda 表达式创建一个比较器，实现降序排列
Comparator<Integer> maxHeapComparator = (a, b) -> b - a; 

// 或者使用现成的比较器
// Comparator<Integer> maxHeapComparator = Collections.reverseOrder();

PriorityQueue<Integer> maxHeap = new PriorityQueue<>(maxHeapComparator);

maxHeap.add(10);
maxHeap.add(30);
maxHeap.add(20);

System.out.println(maxHeap.peek()); // 输出 30，因为 30 是最大的元素

总结

特性 实现方式
底层数据结构 二叉堆（默认是最小堆），用数组高效存储。
核心算法 add 操作通过 “上浮” (siftUp) 维持堆属性。
poll 操作通过 “下沉” (siftDown) 维持堆属性。
优先级确定 通过元素的自然排序 (Comparable) 或在构造时传入的自定义比较器 (Comparator)。
时间复杂度 add, poll: O(log n)
peek (查看最高优先级元素): O(1)

总而言之，PriorityQueue 通过在数组上巧妙地实现二叉堆数据结构，并利用上浮和下沉算法，在 O(log n) 的高效时间内完成了元素的插入和删除，同时始终确保队列的“头部”就是优先级最高的那个元素。

00:00
00:00