JDK源码那些事儿之LinkedTransferQueue
在JDK8的阻塞队列实现中还有两个未进行说明，今天继续对其中的一个阻塞队列LinkedTransferQueue进行源码分析，如果之前的队列分析已经让你对阻塞队列有了一定的了解，相信本文要讲解的LinkedTransferQueue的源码也能很快被理解，接下来一起学习吧
前言
JDK版本号：1.8.0_171
LinkedTransferQueue是基于链表的FIFO无界阻塞队列，在源码分析前，需要提前对源码实现整体有个印象，便于细节的理解。注释部分对于这个类进行了一些说明和介绍，如果有能力的话可以阅读理解，对于其中的部分这里进行简单说明：
LinkedTransferQueue使用了松弛型双重队列，双重的意思可以理解为两种类型的节点（请求数据的消费者和生产数据的生产者），也就是说队列中保存了这两种类型的节点，理解上要稍微复杂些，其实之前SynchronousQueue中就使用了类似的队列，队列维护了两个指针：head指向第一个匹配节点(M)（如果为空则为空）；tail 指向队列中的最后一个节点（如果为空则为空）
在双重队列中为了减少CAS的开销，加入了Slack（松弛度）的处理方式，在节点被匹配（被删除）之后，不会立即更新 head/tail，而是当 head/tail 节点和最近一个未匹配的节点之间的距离超过一个阈值之后才会更新，在LinkedTransferQueue中松弛度值设置为2，这是一个经验值，不多深究。同时为了避免匹配节点在队列中的堆积，在CAS更新head时，会把已匹配的head的next引用指向自己。当我们进行遍历时，遇到这种节点，表示当前线程已经落后于其他线程，需要重新获取head来进行遍历
其与其他阻塞队列不同之处在于，LinkedTransferQueue允许消费者线程获取元素时，如果未请求到数据，则可以生成一个数据节点（节点item为null）入队，然后消费者线程在这个节点线程上等待，直到之后生产者线程入队时发现有一个item为null的数据节点，生产者线程就不再进行入队操作了，直接就将元素填充到该节点的item，并唤醒该节点等待的线程，被唤醒的消费者线程取走元素，从调用处返回，生产者同样直接返回
类定义
实现TransferQueue接口中的方法是LinkedTransferQueue操作的核心部分
public class LinkedTransferQueue<E> extends AbstractQueue<E>
implements TransferQueue<E>, java.io.Serializable
TransferQueue
先了解其中的每个方法的含义，便于下面源码实现的理解
- tryTransfer(E)：立即匹配节点返回。立刻去匹配一个请求节点（消费数据的消费者线程），如果未匹配上，则直接返回false，注意理解未匹配上时也不会入队数据节点
- transfer(E)：匹配请求节点，未匹配上则进行等待直到匹配
- tryTransfer(E,long,TimeUnit)：匹配请求节点，未匹配上则阻塞等待指定时间，还未匹配上则返回false，超时未匹配上时同tryTransfer(E)一样不会入队数据节点
- hasWaitingConsumer()：判断当前是否有等待的消费者
- getWaitingConsumerCount()：获取等待的消费者的估计值
常量/变量
/**
* 如果机器为多处理器则为true,MP为multiprocessor缩写
*/
private static final boolean MP =
Runtime.getRuntime().availableProcessors() > 1;
/**
* 节点自旋等待的次数 128
*/
private static final int FRONT_SPINS = 1 << 7;
/**
* 当前驱节点在处理，当前节点自旋等待的次数 64
*/
private static final int CHAINED_SPINS = FRONT_SPINS >>> 1;
/**
* sweepVotes的阈值，达到这个阈值上限则进行一次清理操作
*/
static final int SWEEP_THRESHOLD = 32;
/** 队列头节点 */
transient volatile Node head;
/** 队列尾节点*/
private transient volatile Node tail;
/** 解除删除节点关联失败的次数 */
private transient volatile int sweepVotes;
/*
* xfer方法how参数可能的取值类型
* 队列操作统一方法根据类型进行不同的处理
*/
/** poll和tryTransfer使用 */
private static final int NOW = 0; // for untimed poll, tryTransfer
/** offer, put, add方法使用 */
private static final int ASYNC = 1; // for offer, put, add
/** transfer, take方法使用 */
private static final int SYNC = 2; // for transfer, take
/** 超时等待的poll和tryTransfer使用 */
private static final int TIMED = 3; // for timed poll, tryTransfer
上述参数中对xfer参数类型进行详细说明：
- NOW 表示无需等待直接返回结果，用于需要立即返回匹配节点的生产者（tryTransfer）和消费者（poll）
- ASYNC 异步返回，用于立即将生产者的数据节点入队，异步等待消费者来消费（offer, put, add）
- SYNC 同步返回，等待直到匹配节点出现返回，用于消费者等待生产者的数据节点（take）或生产者生产数据等待消费者的消费（transfer）
- TIMED 超时返回，等待超时时间后返回匹配结果（poll, tryTransfer）
内部类
LinkedTransferQueue中链表的节点实现Node与SynchronousQueue中的实现类似，需要注意的是当节点已经匹配或被取消时我们必然需要将节点离队，通过forgetNext和forgetContents来将节点排除队列匹配操作
/**
* 队列Node实现
* CAS更新Node成员变量
*/
static final class Node {
// 数据节点和请求节点类型区分标识
final boolean isData; // false if this is a request node
// 数据节点保存数据，请求节点为null
volatile Object item; // initially non-null if isData; CASed to match
// 指向队列中下一个节点
volatile Node next;
// 当前节点对应的等待线程
volatile Thread waiter; // null until waiting
// CAS methods for fields
final boolean casNext(Node cmp, Node val) {
return UNSAFE.compareAndSwapObject(this, nextOffset, cmp, val);
}
final boolean casItem(Object cmp, Object val) {
// assert cmp == null || cmp.getClass() != Node.class;
return UNSAFE.compareAndSwapObject(this, itemOffset, cmp, val);
}
/**
* 构造方法需传入的参数
*/
Node(Object item, boolean isData) {
UNSAFE.putObject(this, itemOffset, item); // relaxed write
this.isData = isData;
}
/**
* 将next指向自己，避免无用Node过长影响垃圾回收
* 在cas更新head后调用
*/
final void forgetNext() {
UNSAFE.putObject(this, nextOffset, this);
}
/**
* 匹配或者节点被取消的时候被调用，设置item指向自己，waiter为null
*/
final void forgetContents() {
UNSAFE.putObject(this, itemOffset, this);
UNSAFE.putObject(this, waiterOffset, null);
}
/**
* 如果此节点已匹配或者是被取消匹配的节点，则返回true
* x == this 调用了forgetContents
* (x == null) == isData 表示请求节点匹配了数据节点（请求节点的item更新为数据节点的数据）
* 或者数据节点匹配了请求节点（数据节点的item更新为null）
*/
final boolean isMatched() {
Object x = item;
return (x == this) || ((x == null) == isData);
}
/**
* 当前节点是否是未匹配的请求节点
* !isData 请求节点
* item == null 还未匹配被更新
*/
final boolean isUnmatchedRequest() {
return !isData && item == null;
}
/**
* 能否将指定的节点node（haveData类型）追加到当前节点后。如果node节点属性与当前节点相反，且当前节点还未进行匹配则不能追加
*/
final boolean cannotPrecede(boolean haveData) {
boolean d = isData;
Object x;
return d != haveData && (x = item) != this && (x != null) == d;
}
/**
* 尝试人为匹配数据节点，匹配成功返回true，设置item为null(不用再匹配了)
* 相当于移除当前数据节点，用在remove方法中
*/
final boolean tryMatchData() {
// assert isData;
Object x = item;
// item非空且未指向自己则表示当前节点为还未匹配的数据节点
// 之后尝试将item置为null同时唤醒等待的线程
if (x != null && x != this && casItem(x, null)) {
LockSupport.unpark(waiter);
return true;
}
return false;
}
private static final long serialVersionUID = -3375979862319811754L;
// Unsafe mechanics
// CAS操作
private static final sun.misc.Unsafe UNSAFE;
private static final long itemOffset;
private static final long nextOffset;
private static final long waiterOffset;
static {
try {
UNSAFE = sun.misc.Unsafe.getUnsafe();
Class<?> k = Node.class;
itemOffset = UNSAFE.objectFieldOffset
(k.getDeclaredField("item"));
nextOffset = UNSAFE.objectFieldOffset
(k.getDeclaredField("next"));
waiterOffset = UNSAFE.objectFieldOffset
(k.getDeclaredField("waiter"));
} catch (Exception e) {
throw new Error(e);
}
}
}
构造方法
构造方法比较容易理解，addAll最终循环调用add方法一个一个进行添加
public LinkedTransferQueue() {
}
public LinkedTransferQueue(Collection<? extends E> c) {
this();
addAll(c);
}
重要方法
put/offer/add
put，offer，add 都是调用xfer(e, true, ASYNC, 0)，需要注意，offer设置超时的那个方法没用，使用时需要注意！ASYNC表示异步操作，相当于这些方法执行后直接入队元素然后结束不会像SynchronousQueue队列那样阻塞等待匹配元素出现
public void put(E e) {
xfer(e, true, ASYNC, 0);
}
public boolean offer(E e, long timeout, TimeUnit unit) {
xfer(e, true, ASYNC, 0);
return true;
}
public boolean offer(E e) {
xfer(e, true, ASYNC, 0);
return true;
}
public boolean add(E e) {
xfer(e, true, ASYNC, 0);
return true;
}
transfer/tryTransfer
当我们需要不同的队列入队操作时，根据需要使用下列方法
// 由于中断操作导致失败会抛错
public void transfer(E e) throws InterruptedException {
if (xfer(e, true, SYNC, 0) != null) {
Thread.interrupted(); // failure possible only due to interrupt
throw new InterruptedException();
}
}
// 立刻尝试匹配返回，不进行任何等待操作，xfer源码部分有判断这个标识
public boolean tryTransfer(E e) {
return xfer(e, true, NOW, 0) == null;
}
// 尝试匹配未匹配等待超时时间才返回，如被中断则抛错
public boolean tryTransfer(E e, long timeout, TimeUnit unit)
throws InterruptedException {
if (xfer(e, true, TIMED, unit.toNanos(timeout)) == null)
return true;
if (!Thread.interrupted())
return false;
throw new InterruptedException();
}
take/poll
出队操作，请求数据节点，这里xfer方法的参数也能看出其使用方法的不同，take方法获取不到对应的匹配节点会阻塞操作，而poll方法在未设置超时时间时以NOW模式，相当于直接获取数据，不管有没有都会直接返回结果，不会进行阻塞等待
public E take() throws InterruptedException {
E e = xfer(null, false, SYNC, 0);
if (e != null)
return e;
Thread.interrupted();
throw new InterruptedException();
}
public E poll(long timeout, TimeUnit unit) throws InterruptedException {
E e = xfer(null, false, TIMED, unit.toNanos(timeout));
if (e != null || !Thread.interrupted())
return e;
throw new InterruptedException();
}
public E poll() {
return xfer(null, false, NOW, 0);
}
xfer
LinkedTransferQueue核心方法，所有的操作最终都通过xfer实现，通过how参数的不同进行不同的处理，在匹配上时判断当前head的slack阈值，如果达到上限则进行head更新
/**
* @param e 数据节点（e非空）或者请求节点（e为null）
* @param haveData 数据节点为true，请求节点为false
* @param how NOW, ASYNC, SYNC, or TIMED 4种类型，上面已经介绍过
* @param nanos TIMED模式下设置的超时时间
* @return 节点匹配上则返回对应的匹配项否则传入的参数e
* @throws
*/
private E xfer(E e, boolean haveData, int how, long nanos) {
// 校验节点
if (haveData && (e == null))
throw new NullPointerException();
// 假如需要的话，这里先声明待添加的节点
Node s = null; // the node to append, if needed
// 标签 continue跳转
retry:
for (;;) { // restart on append race
// 从头节点开始尝试匹配
for (Node h = head, p = h; p != null;) { // find & match first node
boolean isData = p.isData;
Object item = p.item;
// item != p 表示p节点item未指向自己，未执行forgetContents，未被取消或匹配
// (item != null) == isData 表示 p 是一个还未匹配的数据节点或请求节点
// 不满足条件可能需要执行后面逻辑
if (item != p && (item != null) == isData) { // unmatched
// 相同节点类型，说明和队列中所有节点相同类型，无需匹配，跳出这个循环根据类型继续接下来的操作
if (isData == haveData) // can't match
break;
// 执行到这说明p节点还未匹配上且与当前节点是相异类型，cas更新item成功则表示匹配上了
// 注意这里只更新了head指向的节点，因为本次线程的e节点到这里还未入队
// 这里将p的item指向为对应操作的节点e，表示p对应的节点已经与此次的e匹配上了
// 如果未更新成功，说明p已经被其他人匹配上，执行后面逻辑继续循环
if (p.casItem(item, e)) { // match
// p当前已经不是指向h了，说明p已经被循环next更新过了
for (Node q = p; q != h;) {
Node n = q.next; // update by 2 unless singleton
// h依旧指向头节点尝试更新head指向
// 松弛度等于2则更新head，h->q->n
if (head == h && casHead(h, n == null ? q : n)) {
// 将h的next更新方便回收
h.forgetNext();
break;
} // advance and retry
// head为空或者head的next节为空或者head的next节点未被匹配或取消
// 此时跳出循环，slack较小不需要更新head
if ((h = head) == null ||
(q = h.next) == null || !q.isMatched())
break; // unless slack < 2
}
// p已经与e匹配上了，唤醒p节点对应的等待线程
LockSupport.unpark(p.waiter);
// 转换类型返回
return LinkedTransferQueue.<E>cast(item);
}
}
// 已被其他线程匹配则遍历下一个节点
Node n = p.next;
// p == n 即 p == p.next 执行了forgetNext
// 说明头节点指向已经更新了，p节点已经离队需要重新从头开始匹配
p = (p != n) ? n : (h = head); // Use head if p offlist
}
// 循环队列未匹配上同时为非NOW模式，NOW则直接返回入参e
if (how != NOW) { // No matches available
// s为空则初始化s节点
if (s == null)
s = new Node(e, haveData);
// 尝试添加节点s到队列尾部
Node pred = tryAppend(s, haveData);
// null表示当前有匹配的节点了，从retry开始重新开始判断处理
// 在后面的方法中会分析tryAppend
if (pred == null)
continue retry; // lost race vs opposite mode
// 执行到这里说明pred非null，s添加到队列中了，pred代表的是s的前驱节点或者s本身
// 处理SYNC/TIMED模式
if (how != ASYNC)
return awaitMatch(s, pred, e, (how == TIMED), nanos);
}
return e; // not waiting
}
}
为了方便理解，这里通过流程图显示xfer的操作流程：
tryAppend
尝试将s节点添加到队列尾部，同时当tail的slack达到阈值时则更新tail指向，不同的返回值对应不同的处理过程，查看xfer源码上的处理，返回值含义如下：
- s更新头节点返回s本身
- s添加到尾节点则返回s的前驱节点
- 有可匹配节点则返回null不需再添加到尾部，应回到上层处理（xfer中处理了，重新匹配）
/**
*
* @param s 添加到队列的节点元素
* @param haveData 数据节点入队为true，请求节点入队为false
*/
private Node tryAppend(Node s, boolean haveData) {
// p指向尾结点
for (Node t = tail, p = t;;) { // move p to last node and append
Node n, u; // temps for reads of next & tail
// 头尾节点为空则表示队列为空
if (p == null && (p = head) == null) {
// 队列为空时尝试更新头节点为s即可，失败重新循环处理
if (casHead(null, s))
return s; // initialize
}
// 队列非空同时添加的s节点与p节点数据类型不同表示两者可以匹配则返回null进行标记处理（xfer中使用到了）
else if (p.cannotPrecede(haveData))
return null; // lost race vs opposite mode
// p节点非当前尾节点（可能被其他线程更新了tail）
else if ((n = p.next) != null) // not last; keep traversing
// 满足条件更新t指向tail，p指向t重新循环开始
p = p != t && t != (u = tail) ? (t = u) : // stale tail
// 在队列更新p = p.next 重新开始循环或离队状态则置p为null循环从头节点开始
(p != n) ? n : null; // restart if off list
// p为当前尾结点，尝试更新p的next指向s失败则更新p指向p的next
// 失败说明别的线程更新了p的next，此时更新p重新循环执行
else if (!p.casNext(null, s))
p = p.next; // re-read on CAS failure
else {
// 执行到这表明更新p的next为s成功
// p和t已经不同了，p可能循环了几次才成功更新next，t还是之前的指向，需要更新
// p != t 为真时 slack >=2
// 如果t = p 更新next为s成功，则slack = 1,这个条件不会进去
// t != p，整个节点关联为...->t->...->p->s，t到s距离 >= 2
if (p != t) { // update if slack now >= 2
// 更新tail,不停的判断是否是tail，不是则持续向前直到尾部节点，然后更新tail退出while
while ((tail != t || !casTail(t, s)) &&
(t = tail) != null &&
(s = t.next) != null && // advance and retry
(s = s.next) != null && s != t);
}
// 返回添加节点的前驱节点p
return p;
}
}
}
awaitMatch
xfer中处理SYNC/TIMED模式时调用，处理阻塞等待和超时等待匹配节点方式，参考上面xfer中调用的地方，其中的入参说明如下：
- s：阻塞等待的节点
- pred：s的前驱节点或者s自己，null的情况已经被处理掉了，参考xfer方法已说明过
- e：对应的比较的数据，s的item
- timed：是否进行超时时间的设置
- nanos：设置超时时间
注意返回值的含义，匹配上返回对应匹配节点的item，如未匹配上，中断或者超时则返回入参e
private E awaitMatch(Node s, Node pred, E e, boolean timed, long nanos) {
// 计算过期时间
final long deadline = timed ? System.nanoTime() + nanos : 0L;
Thread w = Thread.currentThread();
// 初始化
int spins = -1; // initialized after first item and cancel checks
// 使用ThreadLocalRandom产生并发随机数
ThreadLocalRandom randomYields = null; // bound if needed
for (;;) {
Object item = s.item;
// item != e 说明s的item已经被更新了，表示已经与其他节点匹配上了
// item更新成对应匹配节点的item，参考xfer匹配节点过程理解
if (item != e) { // matched
// assert item != s;
// 已经被匹配上了，将当前节点forgetContents，避免垃圾堆积
s.forgetContents(); // avoid garbage
// 类型转化返回结束
return LinkedTransferQueue.<E>cast(item);
}
// 还未被匹配，先判断当前线程是否被中断或者超时
// 第一个条件为true时，s节点尝试更新item指向自己（取消操作，这里s是本次操作的节点，取消了就不用再继续处理了）
if ((w.isInterrupted() || (timed && nanos <= 0)) &&
s.casItem(e, s)) { // cancel
// 将s和其前驱节点解除关联
unsplice(pred, s);
return e;
}
// 到这里表明没匹配上同时也没被中断或超时
// 自旋次数设置，单核机器不会进行自旋
if (spins < 0) { // establish spins at/near front
// 计算spins
if ((spins = spinsFor(pred, s.isData)) > 0)
// 调用current获取并发随机数产生类
randomYields = ThreadLocalRandom.current();
}
// 自旋次数循环递减
else if (spins > 0) { // spin
--spins;
if (randomYields.nextInt(CHAINED_SPINS) == 0)
// 随机等于0时，当前线程让步，给其他线程执行机会
Thread.yield(); // occasionally yield
}
// 执行到这已经进行过自旋了spins = 0，说明暂时无匹配节点先保存当前线程
// 这里设置完了还继续循环处理
else if (s.waiter == null) {
s.waiter = w; // request unpark then recheck
}
// 设置超时则超时等待
else if (timed) {
nanos = deadline - System.nanoTime();
if (nanos > 0L)
LockSupport.parkNanos(this, nanos);
}
// 阻塞等待当前线程直到被其他线程唤醒
else {
LockSupport.park(this);
}
}
}
spinsFor
根据当前节点的前驱节点和当前节点的数据类型返回对应的自旋值，不同情况下返回不同的数值
private static int spinsFor(Node pred, boolean haveData) {
// 多CPU，前驱节点非空才能自旋操作
if (MP && pred != null) {
// 前驱和当前节点类型不同则自旋FRONT_SPINS + CHAINED_SPINS
if (pred.isData != haveData) // phase change
return FRONT_SPINS + CHAINED_SPINS;
// 前驱节点已经被匹配了，返回自旋FRONT_SPINS次数
if (pred.isMatched()) // probably at front
return FRONT_SPINS;
// 前驱等待线程为空，还没更新waiter，说明前驱节点在自旋操作，返回CHAINED_SPINS
if (pred.waiter == null) // pred apparently spinning
return CHAINED_SPINS;
}
return 0;
}
succ
返回p的后继节点，如果p.next指向p(p节点已经离队)，则返回head头节点
final Node succ(Node p) {
Node next = p.next;
return (p == next) ? head : next;
}
firstOfMode/firstDataNode/firstDataItem/countOfMode
找到第一个未匹配节点，数据类型一致则返回节点，不一致则返回null。hasWaitingConsumer使用firstOfMode来进行了判断，firstDataNode，firstDataItem（peek使用了）类似不详细进行说明了，countOfMode计算对应类型节点的数量，源码也比较简单
private Node firstOfMode(boolean isData) {
// 从头开始进行循环判断
for (Node p = head; p != null; p = succ(p)) {
// 未匹配节点
if (!p.isMatched())
// 数据类型一致则返回p，否则返回null
return (p.isData == isData) ? p : null;
}
return null;
}
final Node firstDataNode() {
for (Node p = head; p != null;) {
Object item = p.item;
if (p.isData) {
if (item != null && item != p)
return p;
}
// 头节点未被匹配同时非数据节点则队列中此刻应该只有请求节点不需要再循环判断下去了
else if (item == null)
break;
if (p == (p = p.next))
p = head;
}
return null;
}
private E firstDataItem() {
for (Node p = head; p != null; p = succ(p)) {
Object item = p.item;
if (p.isData) {
if (item != null && item != p)
return LinkedTransferQueue.<E>cast(item);
}
else if (item == null)
return null;
}
return null;
}
private int countOfMode(boolean data) {
int count = 0;
for (Node p = head; p != null; ) {
if (!p.isMatched()) {
if (p.isData != data)
return 0;
if (++count == Integer.MAX_VALUE) // saturated
break;
}
Node n = p.next;
if (n != p)
p = n;
else {
count = 0;
p = head;
}
}
return count;
}
unsplice
前驱节点与已删除或者取消状态的s节点取消连接，将两个节点取消关联
/**
*
* @param pred s的前驱节点或者为null或者为s自己（当s为头节点时）
* @param s 取消或删除的节点
*/
final void unsplice(Node pred, Node s) {
// 清理s节点变量
s.forgetContents(); // forget unneeded fields
// 确认pred的next指向s即两者之间还有关联才处理
if (pred != null && pred != s && pred.next == s) {
Node n = s.next;
// s的next为空表示s为尾结点
// s的后继非s且pred更新next成功且pred已被匹配，尝试解除s节点
if (n == null ||
(n != s && pred.casNext(s, n) && pred.isMatched())) {
// 检查是否是头节点并更新
for (;;) { // check if at, or could be, head
Node h = head;
// 头节点为前驱节点
// 头节点为s节点
// 头节点为空，则表示为空队列
if (h == pred || h == s || h == null)
return; // at head or list empty
// 头节点未被匹配则跳出循环
if (!h.isMatched())
break;
// 到这说明h已经被匹配，需要更新head
Node hn = h.next;
// 头节点后继节点为空，验证队列为空
if (hn == null)
return; // now empty
// 头节点后继节点非头节点并且尝试更新头节点为后继节点
if (hn != h && casHead(h, hn))
// 清理原头节点
h.forgetNext(); // advance head
}
// 解除前后节点链接失败则统计阈值处理
// 再次检查是否离队
if (pred.next != pred && s.next != s) { // recheck if offlist
// 根据SWEEP_THRESHOLD阈值进行判断处理
for (;;) { // sweep now if enough votes
int v = sweepVotes;
// 小于阈值则尝试将阈值加1
if (v < SWEEP_THRESHOLD) {
if (casSweepVotes(v, v + 1))
break;
}
// 大于等于阈值则将阈值归0同时通过sweep方法进行清理
else if (casSweepVotes(v, 0)) {
sweep();
break;
}
}
}
}
}
}
sweep
从头节点开始遍历清理匹配节点（取消的节点）的节点关联关系
private void sweep() {
// 从头节点开始，p开始为头节点，s为p的后继节点
for (Node p = head, s, n; p != null && (s = p.next) != null; ) {
// s为未匹配的节点，开始遍历下一个
if (!s.isMatched())
// Unmatched nodes are never self-linked
p = s;
// s已经被匹配了，如果s为尾节点，遍历完了，终止
else if ((n = s.next) == null) // trailing node is pinned
break;
// s的next指向自己，说明s已经离队
else if (s == n) // stale
// No need to also check for p == s, since that implies s == n
// 从头重新开始
p = head;
else
// 更新p的next
p.casNext(s, n);
}
}
findAndRemove
移除对应的节点
private boolean findAndRemove(Object e) {
if (e != null) {
// 循环
for (Node pred = null, p = head; p != null; ) {
// 匹配item
Object item = p.item;
// 数据节点比较item是否相等，相等则通过tryMatchData自我匹配，然后unsplice取消前后节点关系
if (p.isData) {
if (item != null && item != p && e.equals(item) &&
p.tryMatchData()) {
unsplice(pred, p);
return true;
}
}
// 请求节点同时还未被匹配，队列中没有数据节点，直接跳出
else if (item == null)
break;
pred = p;
// p已经是旧的数据，需要更新p指向head重新循环处理
if ((p = p.next) == pred) { // stale
pred = null;
p = head;
}
}
}
return false;
}
总结
主要的源码部分基本已分析完毕，关于迭代器的部分不再详述，读者可自行阅读理解
LinkedTransferQueue作为一个基于链表的FIFO无界阻塞队列，使用了一些复杂的概念，双重队列，松弛度都是需要好好理解的部分，应该先从整体了解其流程处理，再细看其内部实现，其核心方法在于xfer，可以参考流程图进行梳理，作为阻塞队列，使用好LinkedTransferQueue是不容易的，方法的使用需要参考源码，否则用错地方导致线上事故得不偿失，希望本文对各位有所帮助
以上内容如有问题欢迎指出，笔者验证后将及时修正，谢谢
JDK源码那些事儿之LinkedTransferQueue的更多相关文章
- JDK源码那些事儿之并发ConcurrentHashMap上篇
前面已经说明了HashMap以及红黑树的一些基本知识,对JDK8的HashMap也有了一定的了解,本篇就开始看看并发包下的ConcurrentHashMap,说实话,还是比较复杂的,笔者在这里也不会过 ...
- JDK源码那些事儿之红黑树基础下篇
说到HashMap,就一定要说到红黑树,红黑树作为一种自平衡二叉查找树,是一种用途较广的数据结构,在jdk1.8中使用红黑树提升HashMap的性能,今天就来说一说红黑树,上一讲已经给出插入平衡的调整 ...
- JDK源码那些事儿之浅析Thread上篇
JAVA中多线程的操作对于初学者而言是比较难理解的,其实联想到底层操作系统时我们可能会稍微明白些,对于程序而言最终都是硬件上运行二进制指令,然而,这些又太过底层,今天来看一下JAVA中的线程,浅析JD ...
- JDK源码那些事儿之ConcurrentLinkedQueue
阻塞队列的实现前面已经讲解完毕,今天我们继续了解源码中非阻塞队列的实现,接下来就看一看ConcurrentLinkedQueue非阻塞队列是怎么完成操作的 前言 JDK版本号:1.8.0_171 Co ...
- JDK源码那些事儿之ConcurrentLinkedDeque
非阻塞队列ConcurrentLinkedQueue我们已经了解过了,既然是Queue,那么是否有其双端队列实现呢?答案是肯定的,今天就继续说一说非阻塞双端队列实现ConcurrentLinkedDe ...
- JDK源码那些事儿之LinkedBlockingDeque
阻塞队列中目前还剩下一个比较特殊的队列实现,相比较前面讲解过的队列,本文中要讲的LinkedBlockingDeque比较容易理解了,但是与之前讲解过的阻塞队列又有些不同,从命名上你应该能看出一些端倪 ...
- JDK源码那些事儿之DelayQueue
作为阻塞队列的一员,DelayQueue(延迟队列)由于其特殊含义而使用在特定的场景之中,主要在于Delay这个词上,那么其内部是如何实现的呢?今天一起通过DelayQueue的源码来看一看其是如何完 ...
- JDK源码那些事儿之SynchronousQueue上篇
今天继续来讲解阻塞队列,一个比较特殊的阻塞队列SynchronousQueue,通过Executors框架提供的线程池cachedThreadPool中我们可以看到其被使用作为可缓存线程池的队列实现, ...
- JDK源码那些事儿之PriorityBlockingQueue
今天继续说一说阻塞队列的实现,今天的主角就是优先级阻塞队列PriorityBlockingQueue,从命名上看觉得应该是有序的,毕竟是优先级队列,那么实际上是什么情况,我们一起看下其内部实现,提前说 ...
随机推荐
- ZooKeeper的工作原理
ZooKeeper是一个分布式的应用程序协调服务. 2 ZooKeeper的工作原理 Zookeeper 的核心是原子广播,这个机制保证了各个Server之间的同步.实现这个机制的协议叫做Zab ...
- Hbase面试题
hbase的特点 )hbase适合存储海量数据,是一个分布式的,基于列式存储的数据库,基于hadoop的hdfs存储,zookeeper进行管理. )hbase 适合存储半结构化或非结构化的数据,对于 ...
- 一分钟 - 创建python虚拟环境
python创建虚拟环境 python安装第三方库大都是通过pip命令安装,这个命令确实是很简便的,而对于每个独立的项目来说,需要用到的库或许会不同,如果删除或更新原来已有的版本库,或许会导致其他的项 ...
- 向php数组函数array_colum()传入奇怪的数组
<?php // 向php数组函数array_colum()传入奇怪的数组 // array_colum()函数 返回行列数组的其中一列,可以用其他列的键充当键 $arr = [ [ 1, 2, ...
- Redis-缓存有效期与淘汰策略
Redis-缓存有效期与淘汰策略 有效期 节省空间 做到数据弱一致性,有效期失效后,可以保证数据的一致性 过期策略 Redis过期策略通常有三种: 1.定时过期: 每个设置过期时间的Key,系统还要生 ...
- 【LEETCODE】48、867. Transpose Matrix
package y2019.Algorithm.array; /** * @ProjectName: cutter-point * @Package: y2019.Algorithm.array * ...
- Ubuntu 18.04下安装Steam顶级在线游戏平台
Ubuntu 18.04下安装Steam顶级在线游戏平台 原创: 聆听世界的鱼 Linux公社 今天 Steam是由Valve公司开发的顶级在线游戏平台,是目前全球最大的综合性数字发行平台之一.它让你 ...
- 缓存的设计及PHP实现LFU
1. 恒定缓存性能有哪些因素? 命中率.缓存更新策略.缓存最大数据量. 命中率:指请求缓存次数和缓存返回正确结果次数的比例.比例越高,缓存的使用率越高,用来衡量缓存机智的好坏和效率.如果数据频繁更新, ...
- SharePoint中用Power shell命令修改文档的创建时间
第一步:pnp组件连接到SharePointConnect-PnpOnline -url 网站地址 第二步:查出文档库及文档库下所有的文件 Get-PnPListItem -List 文档库名称 第三 ...
- cefsharp System.IO.FileNotFoundException: 未能加载文件或程序集“CefSharp.Core.dll”或它的某一个依赖项。
解决办法 安装vc++ 2015 Redistributable 64位系统安装x64 如果还报错先装x64版本再装x86版本 https://files.cnblogs.com/files/xuej ...