ScheduledThreadPoolExecutor源码解读（一）——DelayedWorkQueue高度定制延迟阻塞优先工作队列

快来打我* 2022-12-19 14:24 161阅读 0赞

更多JUC源码解读系列文章请持续关注[JUC源码解读文章目录JDK8][JUC_JDK8]！

--------------------

### 文章目录 ###

*   *  一、前言
     *  二、构造函数
     *  三、DelayedWorkQueue延迟阻塞队列
     *   *  1、基本架构
         *  2、offer添加元素
         *   *  （1）扩容grow
         *  （2）向上堆化siftUp
         *  3、take消费元素
         *   *  （1）take线程阻塞等待
             *  （2）finishPoll出队列
             *  （3）siftDown向下堆化
             *  （4）leader线程
         *  4、remove删除指定元素
     *  四、总结

## 一、前言 ##

`ScheduledThreadPoolExecutor`继承自`ThreadPoolExecutor`，所以其内部的数据结构和`ThreadPoolExecutor`基本一样，并在其基础上增加了按时间调度执行任务的功能，分为延迟执行任务和周期性执行任务。

## 二、构造函数 ##

`ScheduledThreadPoolExecutor`的构造函数只能传3个参数`corePoolSize`、`ThreadFactory`、`RejectedExecutionHandler`，默认`maximumPoolSize`为`Integer.MAX_VALUE`。

工作队列是高度定制化的延迟阻塞队列`DelayedWorkQueue`，其实现原理和`DelayQueue`基本一样，核心数据结构是二叉最小堆的优先队列，队列满时会自动扩容，所以`offer`操作永远不会阻塞，`maximumPoolSize`也就用不上了，所以线程池中永远会保持至多有`corePoolSize`个工作线程正在运行。

public ScheduledThreadPoolExecutor(int corePoolSize,
                                       ThreadFactory threadFactory,
                                       RejectedExecutionHandler handler) { 
        super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
              new DelayedWorkQueue(), threadFactory, handler);
    }

## 三、DelayedWorkQueue延迟阻塞队列 ##

### 1、基本架构 ###

`DelayedWorkQueue`的实现原理中规中矩，内部维护了一个以`RunnableScheduledFuture`类型数组实现的最小二叉堆，初始容量是16，使用`ReentrantLock`和`Condition`实现生产者和消费者模式。

static class DelayedWorkQueue extends AbstractQueue<Runnable>
        implements BlockingQueue<Runnable> { 
        
        private static final int INITIAL_CAPACITY = 16;
        private RunnableScheduledFuture<?>[] queue =
            new RunnableScheduledFuture<?>[INITIAL_CAPACITY];
        private final ReentrantLock lock = new ReentrantLock();
        private int size = 0;
        private Thread leader = null;
        private final Condition available = lock.newCondition();
    }

### 2、offer添加元素 ###

`ScheduledThreadPoolExecutor`提交任务时调用的是`DelayedWorkQueue.add`，而`add`、`put`等一些对外提供的添加元素的方法都调用了`offer`，其基本流程如下：

*  其作为生产者的入口，首先获取锁。
 *  判断队列是否要满了（`size >= queue.length`），满了就扩容`grow()`。
 *  队列未满，size+1。
 *  判断添加的元素是否是第一个，是则不需要堆化。
 *  添加的元素不是第一个，则需要堆化`siftUp`。
 *  如果堆顶元素刚好是此时被添加的元素，则唤醒take线程消费。
 *  最终释放锁。

public boolean offer(Runnable x) { 
        if (x == null)
            throw new NullPointerException();
        RunnableScheduledFuture<?> e = (RunnableScheduledFuture<?>)x;
        final ReentrantLock lock = this.lock;
        lock.lock();
        try { 
            int i = size;
            if (i >= queue.length)
                //扩容
                grow();
            size = i + 1;
            if (i == 0) { 
                //如果是入的是第一个元素，不需要堆化
                queue[0] = e;
                setIndex(e, 0);
            } else { 
                //堆化
                siftUp(i, e);
            }
            if (queue[0] == e) { 
                //如果堆顶元素刚好是入队列的元素，则唤醒take
                leader = null;
                available.signal();
            }
        } finally { 
            lock.unlock();
        }
        return true;
    }

如图为`offer`基本流程图：  
![offer][]

#### （1）扩容grow ####

可以看到，当队列满时，不会阻塞等待，而是继续扩容。新容量`newCapacity`在旧容量`oldCapacity`的基础上扩容50%（`oldCapacity >> 1`相当于`oldCapacity /2`）。最后`Arrays.copyOf`，先根据`newCapacity`创建一个新的空数组，然后将旧数组的数据复制到新数组中。

private void grow() { 
        int oldCapacity = queue.length;
        int newCapacity = oldCapacity + (oldCapacity >> 1); // grow 50%
        if (newCapacity < 0) // overflow
            newCapacity = Integer.MAX_VALUE;
        queue = Arrays.copyOf(queue, newCapacity);
    }

### （2）向上堆化siftUp ###

新添加的元素先会加到堆底，然后一步步和上面的父亲节点比较，若小于父亲节点则和父亲节点互换位置，循环比较直至大于父亲节点才结束循环。

private void siftUp(int k, RunnableScheduledFuture<?> key) { 
        while (k > 0) { 
            //找到父亲节点
            int parent = (k - 1) >>> 1;
            RunnableScheduledFuture<?> e = queue[parent];
            if (key.compareTo(e) >= 0)
                // 添加的元素 大于父亲节点，则结束循环
                break;
            //添加的元素小于父亲节点，则位置互换
            queue[k] = e;
            setIndex(e, k);
            k = parent;
        }
        queue[k] = key;
        setIndex(key, k);
    }

如下图为`siftUp`向上堆化过程图：

![siftup][]

### 3、take消费元素 ###

`Worker`工作线程启动后就会循环消费工作队列中的元素，因为`ScheduledThreadPoolExecutor`的`keepAliveTime=0`，所以消费任务其只调用了`DelayedWorkQueue.take`。take基本流程如下：

*  首先获取可中断锁，判断堆顶元素是否是空，空的则阻塞等待`available.await()`。
 *  堆顶元素不为空，则获取其延迟执行时间`delay`，`delay <= 0`说明到了执行时间，出队列`finishPoll`。
 *  `delay > 0`还没到执行时间，判断`leader`线程是否为空，不为空则说明有其他take线程也在等待，当前take将无限期阻塞等待。
 *  `leader`线程为空，当前take线程设置为`leader`，并阻塞等待`delay`时长。
 *  当前leader线程等待delay时长自动唤醒护着被其他take线程唤醒，则最终将`leader`设置为`null`。
 *  再循环一次判断`delay <= 0`出队列。
 *  跳出循环后判断leader为空并且堆顶元素不为空，则唤醒其他take线程，最后是否锁。

public RunnableScheduledFuture<?> take() throws InterruptedException { 
        final ReentrantLock lock = this.lock;
        lock.lockInterruptibly();
        try { 
            for (;;) { 
                RunnableScheduledFuture<?> first = queue[0]; //取出堆顶元素
                if (first == null)
                    //堆为空，等待
                    available.await();
                else { 
                    long delay = first.getDelay(NANOSECONDS);
                    if (delay <= 0)
                        //到了执行时间，出队列
                        return finishPoll(first);
                    first = null; // don't retain ref while waiting
                    //还没到执行时间
                    if (leader != null)
                        //此时若有其他take线程在等待，当前take将无限期等待
                        available.await();
                    else { 
                        Thread thisThread = Thread.currentThread();
                        leader = thisThread;
                        try { 
                            available.awaitNanos(delay);
                        } finally { 
                            if (leader == thisThread)
                                leader = null;
                        }
                    }
                }
            }
        } finally { 
            if (leader == null && queue[0] != null)
                available.signal();
            lock.unlock();
        }
    }

如下图为take基本流程图：  
![take][]

#### （1）take线程阻塞等待 ####

可以看出这个生产者take线程会在两种情况下阻塞等待：

*  堆顶元素为空。
 *  堆顶元素的delay>0。

#### （2）finishPoll出队列 ####

堆顶元素`delay<=0`，执行时间到，出队列就是一个向下堆化的过程`siftDown`。

private RunnableScheduledFuture<?> finishPoll(RunnableScheduledFuture<?> f) { 
        int s = --size;
        RunnableScheduledFuture<?> x = queue[s];
        queue[s] = null;
        if (s != 0)
            siftDown(0, x);
        setIndex(f, -1);
        return f;
    }

#### （3）siftDown向下堆化 ####

由于堆顶元素出队列后，就破坏了堆的结构，需要组织整理下，将堆尾元素移到堆顶，然后向下堆化：

*  从堆顶开始，父亲节点与左右子节点中较小的孩子节点比较（左孩子不一定小于右孩子）。
 *  父亲节点小于等于较小孩子节点，则结束循环，不需要交换位置。
 *  若父亲节点大于较小孩子节点，则交换位置。
 *  继续向下循环判断父亲节点和孩子节点的关系，直到父亲节点小于等于较小孩子节点才结束循环。

private void siftDown(int k, RunnableScheduledFuture<?> key) { 
        //k = 0, key = queue[size-1]
        //无符号右移，相当于size/2
        int half = size >>> 1;
        while (k < half) { 
            //只需要比较一半
            //找到左孩子节点
            // child = 2k + 1
            int child = (k << 1) + 1;
            RunnableScheduledFuture<?> c = queue[child];
            //右孩子节点
            int right = child + 1;
            //比较左右孩子大小
            if (right < size && c.compareTo(queue[right]) > 0)
                //c左孩子大于右孩子，则将有孩子赋值给左孩子
                c = queue[child = right];
            //比较key和孩子c
            if (key.compareTo(c) <= 0)
                //key小于等于c，则结束循环
                break;
            //key大于孩子c，则key与孩子交换位置
            queue[k] = c;
            setIndex(c, k);
            k = child;
        }
        queue[k] = key;
        setIndex(key, k);
    }

代码中使用移位运算，需要说明：

*  `half = size >>> 1`无符号右移，相当于`size/2`，只比较一般的元素，即左子树，因为左右子树比较后较小元素会在左边。
 *  `child = (k << 1) + 1`相当于`child = 2k + 1`。

如下图为siftDown向下堆化过程图：

![siftDown][]

#### （4）leader线程 ####

`leader`线程的设计，是`Leader-Follower`模式的变种，旨在于为了不必要的时间等待。当一个`take`线程变成`leader`线程时，只需要等待下一次的延迟时间，而不是`leader`线程的其他`take`线程则需要等`leader`线程出队列了才唤醒其他`take`线程。

### 4、remove删除指定元素 ###

删除指定元素一般用于取消任务时，任务还在阻塞队列中，则需要将其删除。当删除的元素不是堆尾元素时，需要做堆化处理。

public boolean remove(Object x) { 
        final ReentrantLock lock = this.lock;
        lock.lock();
        try { 
            int i = indexOf(x);
            if (i < 0)
                return false;
            //维护heapIndex
            setIndex(queue[i], -1);
            int s = --size;
            RunnableScheduledFuture<?> replacement = queue[s];
            queue[s] = null;
            if (s != i) { 
                //删除的不是堆尾元素，则需要堆化处理
                //先向下堆化
                siftDown(i, replacement);
                if (queue[i] == replacement)
                    //若向下堆化后，i位置的元素还是replacement，说明四无需向下堆化的，
                    //则需要向上堆化
                    siftUp(i, replacement);
            }
            return true;
        } finally { 
            lock.unlock();
        }
    }

## 四、总结 ##

1.  `DelayedWorkQueue`添加元素满了之后会自动扩容原来容量的1/2，即永远不会阻塞，最大扩容可达`Integer.MAX_VALUE`，所以线程池中至多有`corePoolSize`个工作线程正在运行。。
2.  `DelayedWorkQueue` 消费元素take，在堆顶元素为空和delay >0 时，阻塞等待。
3.  `DelayedWorkQueue` 是一个生产永远不会阻塞，消费可以阻塞的生产者消费者模式。
4.  `DelayedWorkQueue` 有一个leader线程的变量，是`Leader-Follower`模式的变种。当一个`take`线程变成`leader`线程时，只需要等待下一次的延迟时间，而不是`leader`线程的其他`take`线程则需要等`leader`线程出队列了才唤醒其他`take`线程。

PS: **如若文章中有错误理解，欢迎批评指正，同时非常期待你的评论、点赞和收藏。我是徐同学，愿与你共同进步！**

[JUC_JDK8]: https://stefan.blog.csdn.net/article/details/108934432
[offer]: /images/20221120/a7cced72a1784e30a93534294d410693.png
[siftup]: https://img-blog.csdnimg.cn/20201108132133116.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjU4NjEyMA==,size_1,color_FFFFFF,t_70#pic_center
[take]: https://img-blog.csdnimg.cn/20201108132159361.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjU4NjEyMA==,size_1,color_FFFFFF,t_70#pic_center
[siftDown]: https://img-blog.csdnimg.cn/20201108132224907.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjU4NjEyMA==,size_1,color_FFFFFF,t_70#pic_center