本文转载自微信公众号「源码兴趣圈」，作者malt 。转载本文请联系源码兴趣圈公众号。
什么是队列
队列是一种 先进先出的特殊线性表，简称 FIFO。特殊之处在于只允许在一端插入，在另一端删除
进行插入操作的端称为队尾，进行删除操作的端称为队头。队列中没有元素时，称为空队列
队列在程序设计中使用非常的多，包括一些中间件底层数据结构就是队列(基础内容没有过多讲解)
什么是阻塞队列
队列就队列呗，阻塞队列又是什么鬼
阻塞队列是在队列的基础上额外添加两个操作的队列，分别是：
- 支持阻塞的插入方法：队列容量满时，插入元素线程会被阻塞，直到队列有多余容量为止
- 支持阻塞的移除方法：当队列中无元素时，移除元素的线程会被阻塞，直到队列有元素可被移除
文章以 LinkedBlockingQueue 为例，讲述队列之间实现的不同点，为方便小伙伴阅读，LinkedBlockingQueue 取别名 LBQ
因为是源码解析文章，建议小伙伴们在 PC 端观看。当然，如果屏足够大当我没说～
阻塞队列继承关系
阻塞队列是一个抽象的叫法，阻塞队列底层数据结构 可以是数组，可以是单向链表，亦或者是双向链表...
LBQ 是一个以 单向链表组成的队列，下图为 LBQ 上下继承关系图
从图中得知，LBQ 实现了 BlockingQueue 接口，BlockingQueue 实现了 Queue 接口
Queue 接口分析
我们以自上而下的方式，先分析一波 Queue 接口里都定义了哪些方法
- // 如果队列容量允许，立即将元素插入队列，成功后返回
- // 🌟如果队列容量已满，则抛出异常
- boolean add(E e);
- // 如果队列容量允许，立即将元素插入队列，成功后返回
- // 🌟如果队列容量已满，则返回 false
- // 当使用有界队列时，offer 比 add 方法更何时
- boolean offer(E e);
- // 检索并删除队列的头节点，返回值为删除的队列头节点
- // 🌟如果队列为空则抛出异常
- E remove();
- // 检索并删除队列的头节点，返回值为删除的队列头节点
- // 🌟如果队列为空则返回 null
- E poll();
- // 检查但不删除队列头节点
- // 🌟如果队列为空则抛出异常
- E element();
- // 检查但不删除队列头节点
- // 🌟如果队列为空则返回 null
- E peek();
总结一下 Queue 接口的方法，分为三个大类：
- 新增元素到队列容器中：add、offer
- 从队列容器中移除元素：remove、poll
- 查询队列头节点是否为空：element、peek
从接口 API 的程序健壮性考虑，可以分为两大类：
- 健壮 API：offer、poll、peek
- 非健壮 API：add、remove、element
接口 API 并无健壮可言，这里说的健壮界限指得是，使用了非健壮性的 API 接口，程序会出错的几率大了点，所以我们 更应该关注的是如何捕获可能出现的异常，以及对应异常处理
BlockingQueue 接口分析
BlockingQueue 接口继承自 Queue 接口，所以有些语义相同的 API 接口就没有放上来解读
- // 将指定元素插入队列，如果队列已满，等待直到有空间可用；通过 throws 异常得知，可在等待时打断
- // 🌟相对于 Queue 接口而言，是一个全新的方法
- void put(E e) throws InterruptedException;
- // 将指定元素插入队列，如果队列已满，在等待指定的时间内等待腾出空间；通过 throws 异常得知，可在等待时打断
- // 🌟相当于是 offer(E e) 的扩展方法
- boolean offer(E e, long timeout, TimeUnit unit) throws InterruptedException;
- // 检索并除去此队列的头节点，如有必要，等待直到元素可用；通过 throws 异常得知，可在等待时打断
- E take() throws InterruptedException;
- // 检索并删除此队列的头，如果有必要使元素可用，则等待指定的等待时间；通过 throws 异常得知，可在等待时打断
- // 🌟相当于是 poll() 的扩展方法
- E poll(long timeout, TimeUnit unit) throws InterruptedException;
- // 返回队列剩余容量，如果为无界队列，返回 Integer.MAX_VALUE
- int remainingCapacity();
- // 如果此队列包含指定的元素，则返回 true
- public boolean contains(Object o);
- // 从此队列中删除所有可用元素，并将它们添加到给定的集合中
- int drainTo(Collection<? super E> c);
- // 从此队列中最多移除给定数量的可用元素，并将它们添加到给定的集合中
- int drainTo(Collection<? super E> c, int maxElements);
可以看到 BlockingQueue 接口中个性化的方法还是挺多的。本文的猪脚 LBQ 就是实现自 BlockingQueue 接口
源码解析
变量分析LBQ 为了保证并发添加、移除等操作，使用了 JUC 包下的 ReentrantLock、Condition 控制
- // take, poll 等移除操作需要持有的锁
- private final ReentrantLock takeLock = new ReentrantLock();
- // 当队列没有数据时，删除元素线程被挂起
- private final Condition notEmpty = takeLock.newCondition();
- // put, offer 等新增操作需要持有的锁
- private final ReentrantLock putLock = new ReentrantLock();
- // 当队列为空时，添加元素线程被挂起
- private final Condition notFull = putLock.newCondition();
ArrayBlockingQueue(ABQ)内部元素个数字段为什么使用的是 int 类型的 count 变量?不担心并发么
- 因为 ABQ 内部使用的一把锁控制入队、出队操作，同一时刻只会有单线程执行 count 变量修改
- LBQ 使用的两把锁，所以会出现两个线程同时修改 count 数值，如果像 ABQ 使用 int 类型，两个流程同时执行修改 count 个数，会造成数据不准确，所以需要使用并发原子类修饰
如果不太明白为什么要用原子类统计数量，猛戳这里
接下来从结构体入手，知道它是由什么元素组成，每个元素是做啥使的。如果数据结构还不错的小伙伴，应该可以猜出来
- // 绑定的容量，如果无界，则为 Integer.MAX_VALUE
- private final int capacity;
- // 当前队列中元素个数
- private final AtomicInteger count = new AtomicInteger();
- // 当前队列的头节点
- transient Node<E> head;
- // 当前队列的尾节点
- private transient Node<E> last;
看到 head 和 last 元素，是不是对 LBQ 就有个大致的雏形了，这个时候还差一个结构体 Node
- static class Node<E> {
- // 节点存储的元素
- E item;
- // 当前节点的后继节点
- LinkedBlockingQueue.Node<E> next;
- Node(E x) { item = x; }
- }
构造器分析这里画一张图来理解下 LBQ 默认构造方法是如何初始化队列的
- public LinkedBlockingQueue() {
- this(Integer.MAX_VALUE);
- }
- public LinkedBlockingQueue(int capacity) {
- if (capacity <= 0) throw new IllegalArgumentException();
- this.capacity = capacity;
- last = head = new Node<E>(null);
- }
可以看出，默认构造方法会将容量设置为 Integer.MAX_VALUE，也就是大家常说的无界队列
内部其实调用的是重载的有参构造，方法内部设置了容量大小，以及初始化了 item 为空的 Node 节点，把 head last 两节点进行一个关联
初始化的队列 head last 节点指向的 Node 中 item、next 都为空，此时添加一条记录，队列会发生什么样的变化
节点入队
需要添加的元素会被封装为 Node 添加到队列中, put 入队方法语义，如果队列元素已满，阻塞当前插入线程，直到队列中有空缺位置被唤醒
- public void put(E e) throws InterruptedException {
- if (e == null) throw new NullPointerException();
- int c = -1;
- Node<E> node = new Node<E>(e); // 将需要添加的数据封装为 Node
- final ReentrantLock putLock = this.putLock; // 获取添加操作的锁
- final AtomicInteger count = this.count; // 获取队列实际元素数量
- putLock.lockInterruptibly(); // 运行可被中断加锁 API
- try {
- while (count.get() == capacity) { // 如果队列元素数量 == 队列最大值，则将线程放入条件队列阻塞
- notFull.await();
- }
- enqueue(node); // 执行入队流程
- c = count.getAndIncrement(); // 获取值并且自增，举例：count = 0，执行后结果值 count+1 = 2，返回 0
- if (c + 1 < capacity) // 如果自增过的队列元素 +1 小于队列容器最大数量，唤醒一条被阻塞在插入等待队列的线程
- notFull.signal();
- } finally {
- putLock.unlock(); // 解锁操作
- }
- if (c == 0) // 当队列中有一条数据，则唤醒消费组线程进行消费
- signalNotEmpty();
- }
入队方法整体流程比较清晰，做了以下几件事：
- 队列已满，则将当前线程阻塞
- 队列中如果有空缺位置，将数据封装的 Node 执行入队操作
- 如果 Node 执行入队操作后，队列还有空余位置，则唤醒等待队列中的添加线程
- 如果数据入队前队列没有元素，入队成功后唤醒消费阻塞队列中的线程
继续看一下入队方法 LBQ#enqueue 都做了什么操作
- private void enqueue(Node<E> node) {
- last = last.next = node;
- }
代码比较简单，先把 node 赋值为当前 last 节点的 next 属性，然后再把 last 节点指向 node，就完成了节点入队操作
假设 LBQ 的范型是 String 字符串，首先插入元素 a，队列如下图所示：
什么?一条数据不过瘾?没有什么是再来一条解决不了的，元素 b 入队如下：
队列入队如上图所示，head 中 item 永为空，last 中 next 永为空
LBQ#offer 也是入队方法，不同的是：如果队列元素已满，则直接返回 false，不阻塞线程
节点出队
LBQ#take 出队方法，如果队列中元素为空，阻塞当前出队线程，直到队列中有元素为止
- public E take() throws InterruptedException {
- E x;
- int c = -1;
- final AtomicInteger count = this.count; // 获取当前队列实际元素个数
- final ReentrantLock takeLock = this.takeLtakeLocock; // 获取 takeLock 锁实例
- takeLock.lockInterruptibly(); // 获取 takeLock 锁，获取不到阻塞过程中，可被中断
- try {
- while (count.get() == 0) { // 如果当前队列元素 == 0，当前获取节点线程加入等待队列
- notEmpty.await();
- }
- x = dequeue(); // 当前队列元素 > 0，执行头节点出队操作
- c = count.getAndDecrement(); // 获取当前队列元素个数，并将数量 - 1
- if (c > 1) // 当队列中还有还有元素时，唤醒下一个消费线程进行消费
- notEmpty.signal();
- } finally {
- takeLock.unlock(); // 释放锁
- }
- if (c == capacity) // 移除元素之前队列是满的，唤醒生产者线程添加元素
- signalNotFull();
- return x; // 返回头节点
- }
出队操作整体流程清晰明了，和入队操作执行流程相似
队列已满，则将当前出队线程阻塞
队列中如果有元素可消费，执行节点出队操作
如果节点出队后，队列中还有可出队元素，则唤醒等待队列中的出队线程
如果移除元素之前队列是满的，唤醒生产者线程添加元素
LBQ#dequeue 出队操作相对于入队操作稍显复杂一些
- private E dequeue() {
- Node<E> h = head; // 获取队列头节点
- Node<E> first = h.next; // 获取头节点的后继节点
- h.next = h; // help GC
- head = first; // 相当于把头节点的后继节点，设置为新的头节点
- E x = first.item; // 获取到新的头节点 item
- first.item = null; // 因为头节点 item 为空，所以 item 赋值为 null
- return x;
- }
出队流程中，会将原头节点自己指向自己本身，这么做是为了帮助 GC 回收当前节点，接着将原 head 的 next 节点设置为新的 head，下图为一个完整的出队流程
出队流程图如上，流程中没有特别注意的点。另外一个 LBQ#poll 出队方法，如果队列中元素为空，返回 null，不会像 take 一样阻塞
节点查询
因为 element 查找方法在父类 AbstractQueue 里实现的，LBQ 里只对 peek 方法进行了实现，节点查询就用 peek 做代表了
peek 和 element 都是获取队列头节点数据，两者的区别是，前者如果队列为空返回 null，后者抛出相关异常
- public E peek() {
- if (count.get() == 0) // 队列为空返回 null
- return null;
- final ReentrantLock takeLock = this.takeLock;
- takeLock.lock(); // 获取锁
- try {
- LinkedBlockingQueue.Node<E> first = head.next; // 获取头节点的 next 后继节点
- if (first == null) // 如果后继节点为空，返回 null，否则返回后继节点的 item
- return null;
- else
- return first.item;
- } finally {
- takeLock.unlock(); // 解锁
- }
- }
看到这里，能够得到结论，虽然 head 节点 item 永远为 null，但是 peek 方法获取的是 head.next 节点 item
节点删除
删除操作需要获得两把锁，所以关于获取节点、节点出队、节点入队等操作都会被阻塞
- public boolean remove(Object o) {
- if (o == null) return false;
- fullyLock(); // 获取两把锁
- try {
- // 从头节点开始，循环遍历队列
- for (Node<E> trail = head, p = trail.next;
- p != null;
- trail = p, p = p.next) {
- if (o.equals(p.item)) { // item == o 执行删除操作
- unlink(p, trail); // 删除操作
- return true;
- }
- }
- return false;
- } finally {
- fullyUnlock(); // 释放两把锁
- }
- }
链表删除操作，一般而言都是循环逐条遍历，而这种的 遍历时间复杂度为 O(n)，最坏情况就是遍历了链表全部节点
看一下 LBQ#remove 中 unlink 是如何取消节点关联的
- void unlink(Node<E> p, Node<E> trail) {
- p.item = null; // 以第一次遍历而言，trail 是头节点，p 为头节点的后继节点
- trail.next = p.next; // 把头节点的后继指针，设置为 p 节点的后继指针
- if (last == p) // 如果 p == last 设置 last == trail
- last = trail;
- // 如果删除元素前队列是满的，删除后就有了空余位置，唤醒生产线程
- if (count.getAndDecrement() == capacity)
- notFull.signal();
- }
remove 方法和 take 方法是有相似之处，如果 remove 方法的元素是头节点，效果和 take 一致，头节点元素出队
为了更好的理解，我们删除中间元素。画两张图理解下其中原委，代码如下：
- public static void main(String[] args) {
- BlockingQueue<String> blockingQueue = new LinkedBlockingQueue();
- blockingQueue.offer("a");
- blockingQueue.offer("b");
- blockingQueue.offer("c");
- // 删除队列中间元素
- blockingQueue.remove("b");
- }
执行完上述代码中三个 offer 操作，队列结构图如下：
执行删除元素 b 操作后队列结构如下图：
如果 p 节点就是 last 尾节点，则把 p 的前驱节点设置为新的尾节点。删除操作大致如此
应用场景
上文说了阻塞队列被大量业务场景所应用，这里例举两个实际工作中的例子帮助大家理解
生产者-消费者模式
生产者-消费者模式是一个典型的多线程并发写作模式，生产者和消费者中间需要一个容器来解决强耦合关系，生产者向容器放数据，消费者消费容器数据
生产者-消费者实现有多种方式
Object 类中的 wait、notify、notifyAll
Lock 中 Condition 的 await、signal、signalAll
BlockingQueue
阻塞队列实现生产者-消费者模型代码如下：
- @Slf4j
- public class BlockingQueueTest {
- private static final int MAX_NUM = 10;
- private static final BlockingQueue<String> QUEUE = new LinkedBlockingQueue<>(MAX_NUM);
- public void produce(String str) {
- try {
- QUEUE.put(str);
- log.info(" 🔥🔥🔥 队列放入元素 :: {}, 队列元素数量 :: {}", str, QUEUE.size());
- } catch (InterruptedException ie) {
- // ignore
- }
- }
- public String consume() {
- String str = null;
- try {
- str = QUEUE.take();
- log.info(" 🔥🔥🔥 队列移出元素 :: {}, 队列元素数量 :: {}", str, QUEUE.size());
- } catch (InterruptedException ie) {
- // ignore
- }
- return str;
- }
- public static void main(String[] args) {
- BlockingQueueTest queueTest = new BlockingQueueTest();
- for (int i = 0; i < 5; i++) {
- int finalI = i;
- new Thread(() -> {
- String str = "元素-";
- while (true) {
- queueTest.produce(str + finalI);
- }
- }).start();
- }
- for (int i = 0; i < 5; i++) {
- new Thread(() -> {
- while (true) {
- queueTest.consume();
- }
- }).start();
- }
- }
- }
线程池应用
阻塞队列在线程池中的具体应用属于是生产者-消费者的实际场景
- 线程池在 Java 应用里的重要性不言而喻，这里简要说下线程池的运行原理
- 线程池线程数量小于核心线程数执行新增核心线程操作
- 线程池线程数量大于或等于核心线程数时，将任务存放阻塞队列
满足线程池中线程数大于或等于核心线程数并且阻塞队列已满, 线程池创建非核心线程
重点在于第二点，当线程池核心线程都在运行任务时，会把任务存放阻塞队列中。线程池源码如下：
- if (isRunning(c) && workQueue.offer(command)) {}
看到使用的 offer 方法，通过上面讲述，如果阻塞队列已满返回 false。那何时进行消费队列中的元素呢。涉及线程池中线程执行过程原理，这里简单说明
线程池内线程执行任务有两种方式，一种是创建核心线程时 自带 的任务，另一种就是从阻塞队列获取
当核心线程执行一次任务后，其实和非核心线程就没什么区别了
线程池获取阻塞队列任务使用了两种 API，分别是 poll 和 take
- workQueue.poll(keepAliveTime, TimeUnit.NANOSECONDS) : workQueue.take();
Q：为啥要用两个 API?一个不香么?
A：take 是为了要维护线程池内核心线程的重要手段，如果获取不到任务，线程被挂起，等待下一次任务添加
至于带时间的 pool 则是为了回收非核心线程准备的
结言LBQ 阻塞队列到这里就讲解完成了，总结下文章所讲述的 LBQ 基本特征
LBQ 是基于链表实现的阻塞队列，可以进行读写并发执行
LBQ 队列容量可以自己设置，如果不设置默认 Integer 最大值，也可以称为无界队列
文章结合源码，针对 LBQ 的入队、出队、查询、删除等操作进行了详细讲解
LBQ 只是一个引子，更希望大家能够通过文章 掌握阻塞队列核心思想，继而查看其它实现类的代码，巩固知识
小伙伴现在已经知道 LBQ 是通过锁的机制来实现并发安全控制，思考一下 不使用锁，能否实现以及如何实现?
