本系列文章经补充和完善，已修订整理成书《Java编程的逻辑》，由机械工业出版社华章分社出版，于2018年1月上市热销，读者好评如潮！各大网店和书店有售，欢迎购买，京东自营链接：
介绍了堆的基本概念和算法，本节我们来探讨堆在Java中的具体实现类 - PriorityQueue。
我们先从基本概念谈起，然后介绍其用法，接着分析实现代码，最后总结分析其特点。
基本概念
顾名思义，PriorityQueue是优先级队列，它首先实现了队列接口(Queue)，与类似，它的队列长度也没有限制，与一般队列的区别是，它有优先级的概念，每个元素都有优先级，队头的元素永远都是优先级最高的。
PriorityQueue内部是用堆实现的，内部元素不是完全有序的，不过，逐个出队会得到有序的输出。
虽然名字叫优先级队列，但也可以将PriorityQueue看做是一种比较通用的实现了堆的性质的数据结构，可以用PriorityQueue来解决适合用堆解决的问题，下一节我们会来看一些具体的例子。
基本用法
Queue接口
PriorityQueue实现了Queue接口，我们在介绍过Queue，为便于阅读，这里重复下其定义：
public interface Queueextends Collection { boolean add(E e); boolean offer(E e); E remove(); E poll(); E element(); E peek();}
Queue扩展了Collection，主要操作有三个：
- 在尾部添加元素 (add, offer)
- 查看头部元素 (element, peek)，返回头部元素，但不改变队列
- 删除头部元素 (remove, poll)，返回头部元素，并且从队列中删除
构造方法
PriorityQueue有多个构造方法，如下所示：
public PriorityQueue()public PriorityQueue(int initialCapacity)public PriorityQueue(int initialCapacity, Comparator comparator)public PriorityQueue(Collection c)public PriorityQueue(PriorityQueue c)public PriorityQueue(SortedSet c)
PriorityQueue是用堆实现的，堆物理上就是数组，与ArrayList类似，PriorityQueue同样使用动态数组，根据元素个数动态扩展，initialCapacity表示初始的数组大小，可以通过参数传入。对于默认构造方法，initialCapacity使用默认值11。对于最后三个构造方法，它们接受一个已有的Collection，数组大小等于参数容器中的元素个数。
与/类似，为了保持一定顺序，PriorityQueue要求，要么元素实现Comparable接口，要么传递一个比较器Comparator：
- 对于前两个构造方法和接受Collection参数的构造方法，要求元素实现Comparable接口。
- 第三个构造方法明确传递了Comparator。
- 对于最后两个构造方法，参数容器有comparator()方法，PriorityQueue使用和它们一样的，如果返回的comparator为null，则也要求元素实现Comparable接口。
基本例子
我们来看个基本的例子：
Queuepq = new PriorityQueue<>();pq.offer(10);pq.add(22);pq.addAll(Arrays.asList(new Integer[]{ 11, 12, 34, 2, 7, 4, 15, 12, 8, 6, 19, 13 }));while(pq.peek()!=null){ System.out.print(pq.poll() + " ");}
代码很简单，添加元素，然后逐个从头部删除，与普通队列不同，输出是从小到大有序的：
2 4 6 7 8 10 11 12 12 13 15 19 22 34
如果希望是从大到小呢？传递一个逆序的Comparator，将第一行代码替换为：
Queuepq = new PriorityQueue<>(11, Collections.reverseOrder());
输出就会变为：
34 22 19 15 13 12 12 11 10 8 7 6 4 2
任务队列
我们再来看个例子，模拟一个任务队列，定义一个内部类Task表示任务，如下所示：
static class Task { int priority; String name; public Task(int priority, String name) { this.priority = priority; this.name = name; } public int getPriority() { return priority; } public String getName() { return name; }} Task有两个实例变量，priority表示优先级，值越大优先级越高，name表示任务名称。
Task没有实现Comparable，我们定义一个单独的静态成员taskComparator表示比较器，如下所示：
private static ComparatortaskComparator = new Comparator () { @Override public int compare(Task o1, Task o2) { if(o1.getPriority()>o2.getPriority()){ return -1; }else if(o1.getPriority()
下面来看任务队列的示例代码：
Queuetasks = new PriorityQueue (11, taskComparator);tasks.offer(new Task(20, "写日记"));tasks.offer(new Task(10, "看电视"));tasks.offer(new Task(100, "写代码"));Task task = tasks.poll();while(task!=null){ System.out.print("处理任务: "+task.getName() +"，优先级:"+task.getPriority()+"\n"); task = tasks.poll();}
代码很简单，就不解释了，输出任务按优先级排列：
处理任务: 写代码，优先级:100处理任务: 写日记，优先级:20处理任务: 看电视，优先级:10
实现原理
理解了PriorityQueue的用法和特点，我们来看其具体实现代码，从内部组成开始。
内部组成
内部有如下成员：
private transient Object[] queue;private int size = 0;private final Comparator comparator;private transient int modCount = 0;
queue就是实际存储元素的数组。size表示当前元素个数。comparator为比较器，可以为null。modCount记录修改次数，在介绍第一个容器类时已介绍过。
如何实现各种操作，且保持堆的性质呢？我们来看代码，从基本构造方法开始。
基本构造方法
几个基本构造方法的代码是：
public PriorityQueue() { this(DEFAULT_INITIAL_CAPACITY, null);}public PriorityQueue(int initialCapacity) { this(initialCapacity, null);}public PriorityQueue(int initialCapacity, Comparator comparator) { if (initialCapacity < 1) throw new IllegalArgumentException(); this.queue = new Object[initialCapacity]; this.comparator = comparator;} 代码很简单，就是初始化了queue和comparator。
下面介绍一些操作的代码，大部分的算法和图示，我们在已经介绍过了。
添加元素 (入队)
代码为：
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方法的基本步骤为：
- 首先确保数组长度是够的，如果不够，调用grow方法动态扩展。
- 增加长度 (size=i+1)
- 如果是第一次添加，直接添加到第一个位置即可 (queue[0]=e)。
- 否则将其放入最后一个位置，但同时向上调整，直至满足堆的性质 (siftUp)
有两步复杂一些，一步是grow，另一步是siftUp，我们来细看下。
grow方法的代码为：
private void grow(int minCapacity) { int oldCapacity = queue.length; // Double size if small; else grow by 50% int newCapacity = oldCapacity + ((oldCapacity < 64) ? (oldCapacity + 2) : (oldCapacity >> 1)); // overflow-conscious code if (newCapacity - MAX_ARRAY_SIZE > 0) newCapacity = hugeCapacity(minCapacity); queue = Arrays.copyOf(queue, newCapacity);} 如果原长度比较小，大概就是扩展为两倍，否则就是增加50%，使用Arrays.copyOf方法拷贝数组。
siftUp的基本思路我们在介绍过了，其实际代码为：
private void siftUp(int k, E x) { if (comparator != null) siftUpUsingComparator(k, x); else siftUpComparable(k, x);} 根据是否有comparator分为了两种情况，代码类似，我们只看一种：
private void siftUpUsingComparator(int k, E x) { while (k > 0) { int parent = (k - 1) >>> 1; Object e = queue[parent]; if (comparator.compare(x, (E) e) >= 0) break; queue[k] = e; k = parent; } queue[k] = x;} 参数k表示插入位置，x表示新元素。k初始等于数组大小，即在最后一个位置插入。代码的主要部分是：往上寻找x真正应该插入的位置，这个位置用k表示。
怎么找呢？新元素(x)不断与父节点(e)比较，如果新元素(x)大于等于父节点(e)，则已满足堆的性质，退出循环，k就是新元素最终的位置，否则，将父节点往下移(queue[k]=e)，继续向上寻找。这与上节介绍的算法和图示是对应的。
查看头部元素
代码为：
public E peek() { if (size == 0) return null; return (E) queue[0];} 就是返回第一个元素。
删除头部元素 (出队)
代码为：
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;} 返回结果result为第一个元素，x指向最后一个元素，将最后位置设置为null (queue[s] = null)，最后调用siftDown将原来的最后元素x插入头部并调整堆，siftDown的代码为：
private void siftDown(int k, E x) { if (comparator != null) siftDownUsingComparator(k, x); else siftDownComparable(k, x);} 同样分为两种情况，代码类似，我们只看一种：
private void siftDownComparable(int k, E x) { Comparable key = (Comparable )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 ) 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;} k表示最终的插入位置，初始为0，x表示原来的最后元素。代码的主要部分是：向下寻找x真正应该插入的位置，这个位置用k表示。
怎么找呢？新元素key不断与较小的孩子比较，如果小于等于较小的孩子，则已满足堆的性质，退出循环，k就是最终位置，否则将较小的孩子往上移，继续向下寻找。这与上节介绍的算法和图示也是对应的。
解释下其中的一些代码：
- k<half，表示的是，编号为k的节点有孩子节点，没有孩子，就不需要继续找了。
- child表示较小的孩子编号，初始为左孩子，如果有右孩子(编号right)且小于左孩子则child会变为right。
- c表示较小的孩子节点。
查找元素
代码为：
public boolean contains(Object o) { return indexOf(o) != -1;} indexOf的代码为：
private int indexOf(Object o) { if (o != null) { for (int i = 0; i < size; i++) if (o.equals(queue[i])) return i; } return -1;} 代码很简单，就是数组的查找。
根据值删除元素
也可以根据值删除元素，代码为：
public boolean remove(Object o) { int i = indexOf(o); if (i == -1) return false; else { removeAt(i); return true; }} 先查找元素的位置i，然后调用removeAt进行删除，removeAt的代码为：
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;} 如果是删除最后一个位置，直接删即可，否则移动最后一个元素到位置i并进行堆调整，调整有两种情况，如果大于孩子节点，则向下调整，否则如果小于父节点则向上调整。
代码先向下调整(siftDown(i, moved))，如果没有调整过(queue[i] == moved)，可能需向上调整，调用siftUp(i, moved)。
如果向上调整过，返回值为moved，其他情况返回null，这个主要用于正确实现PriorityQueue迭代器的删除方法，迭代器的细节我们就不介绍了。
构建初始堆
如果从一个既不是PriorityQueue也不是SortedSet的容器构造堆，代码为：
private void initFromCollection(Collection c) { initElementsFromCollection(c); heapify();} initElementsFromCollection的主要代码为：
private void initElementsFromCollection(Collection c) { Object[] a = c.toArray(); if (a.getClass() != Object[].class) a = Arrays.copyOf(a, a.length, Object[].class); this.queue = a; this.size = a.length;} 主要是初始化queue和size。
heapify的代码为：
private void heapify() { for (int i = (size >>> 1) - 1; i >= 0; i--) siftDown(i, (E) queue[i]);} 与之前算法一样，heapify也在上节介绍过了，就是从最后一个非叶节点开始，自底向上合并构建堆。
如果构造方法中的参数是PriorityQueue或SortedSet，则它们的toArray方法返回的数组就是有序的，就满足堆的性质，就不需要执行heapify了。
PriorityQueue特点分析
PriorityQueue实现了Queue接口，有优先级，内部是用堆实现的，这决定了它有如下特点：
- 实现了优先级队列，最先出队的总是优先级最高的，即排序中的第一个。
- 优先级可以有相同的，内部元素不是完全有序的，如果遍历输出，除了第一个，其他没有特定顺序。
- 查看头部元素的效率很高，为O(1)，入队、出队效率比较高，为O(log2(N))，构建堆heapify的效率为O(N)。
- 根据值查找和删除元素的效率比较低，为O(N)。
小结
本节介绍了Java中堆的实现类PriorityQueue，它实现了队列接口Queue，但按优先级出队，我们介绍了其用法和实现代码。
除了用作基本的优先级队列，PriorityQueue还可以作为一种比较通用的数据结构，用于解决一些其他问题，让我们在下一节继续探讨。
---------------
未完待续，查看最新文章，敬请关注微信公众号“老马说编程”(扫描下方二维码)，从入门到高级，深入浅出，老马和你一起探索Java编程及计算机技术的本质。用心原创，保留所有版权。
