一。情有独钟
对数据结构情有独钟，打算慢慢把jdk里的实现都读一遍，发现其中的亮点，持续更新。
二。ArrayList
这应该是我们学习java最早接触的到的数据结构，众所周知，数组在申请了内存之后，无法扩展；而数组队列，是实现了动态扩容的功能，意义上是为动态数组，实际上的数组扩容是不允许在原地址上伸长的，很简单，因为在你申请的数组空间之后，可能存在别的被申请掉的内存；要实现动态数组，必然是新申请一个更大的连续内存空间，并替换到原来的引用中。
从构造函数，可以清楚看到，elementData，就是这个存储数据的内存地址。
然后，找到添加的接口，add；在真正赋值之前，会进行grow方法。
可以看到，真正干活的是这个copyof，找到最后，就是这个方法。
首先这个泛型数组，会先判断一下如果是Object父类，则直接new Object，如果不是则调用Arrays的接口创建，才去新建一个数组，然后就会去拷贝数组到新的数组，并返回这个被拷贝的数组。
public static <T,U> T[] copyOf(U[] original, int newLength, Class<? extends T[]> newType) { @SuppressWarnings("unchecked") T[] copy = ((Object)newType == (Object)Object[].class) ? (T[]) new Object[newLength] : (T[]) Array.newInstance(newType.getComponentType(), newLength); System.arraycopy(original, 0, copy, 0, Math.min(original.length, newLength)); return copy; }
它的get方法，简单判断一下是否大于元素容量，防止内存泄漏的操作。
public E get(int index) { rangeCheck(index); return elementData(index); }
它的remove方法，是将这个位置之后的所有元素，前移一个位置，并将最后的元素设置为null。
public E remove(int index) { rangeCheck(index); modCount++; E oldValue = elementData(index); int numMoved = size - index - 1; if (numMoved > 0) System.arraycopy(elementData, index+1, elementData, index, numMoved); elementData[--size] = null; // clear to let GC do its work return oldValue; }
它提供的排序接口，设计的是传入一个比较器，可以自定升序还是降序，最终一个分支使用的是mergeSort。最后还校验了一下modcount，前后是否相等，如果不相等抛出并发异常，有点CAS的思想。
@Override @SuppressWarnings("unchecked") public void sort(Comparator<? super E> c) { final int expectedModCount = modCount; Arrays.sort((E[]) elementData, 0, size, c); if (modCount != expectedModCount) { throw new ConcurrentModificationException(); } modCount++; }
public static void sort(Object[] a) { if (LegacyMergeSort.userRequested) legacyMergeSort(a); else ComparableTimSort.sort(a, 0, a.length, null, 0, 0); }
长度小于7插入排序，反正是个n平方的排序，
private static void mergeSort(Object[] src, Object[] dest, int low, int high, int off) { int length = high - low; // Insertion sort on smallest arrays if (length < INSERTIONSORT_THRESHOLD) { for (int i=low; i<high; i++) for (int j=i; j>low && ((Comparable) dest[j-1]).compareTo(dest[j])>0; j--) swap(dest, j, j-1); return; } // Recursively sort halves of dest into src int destLow = low; int destHigh = high; low += off; high += off; int mid = (low + high) >>> 1; mergeSort(dest, src, low, mid, -off); mergeSort(dest, src, mid, high, -off); // If list is already sorted, just copy from src to dest. This is an // optimization that results in faster sorts for nearly ordered lists. if (((Comparable)src[mid-1]).compareTo(src[mid]) <= 0) { System.arraycopy(src, low, dest, destLow, length); return; } // Merge sorted halves (now in src) into dest for(int i = destLow, p = low, q = mid; i < destHigh; i++) { if (q >= high || p < mid && ((Comparable)src[p]).compareTo(src[q])<=0) dest[i] = src[p++]; else dest[i] = src[q++]; } }
三。PriorityQueue
优先队列，读作优先写作二叉树，也叫堆（大顶堆，小顶堆）。
它的实现方法是数组，使用数组做二叉树，每个元素e[i]的孩子为e[2*i+1]，e[2*i+2]。
找到添加元素的方法；比较器为空的时候；它从末尾插入，先找出父亲，如果父节点比自己大，则继续往上，将父节点往下移动，直到找到比它小的位置插入，默认是一个小顶堆。
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; } private void siftUpComparable(int k, E x) { Comparable<? super E> key = (Comparable<? super E>) x; while (k > 0) { int parent = (k - 1) >>> 1; Object e = queue[parent]; if (key.compareTo((E) e) >= 0) break; queue[k] = e; k = parent; } queue[k] = key; }
弹出操作就是把堆定元素拿走，然后从末尾拿出一个元素，放在堆顶，不断地下沉。
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; } private void siftDownComparable(int k, E x) { Comparable<? super E> key = (Comparable<? super E>)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<? super E>) 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; }
四。ArrayBlockingQueue
看腻了数组队列，我们来看多线程的阻塞队列是怎么实现的；
粗浅的看，它是在多线程中保持一致性的一种数据结构，保持一致性只有两种思路：（1）假设它发生了冲突，则必然加锁（悲观）（2）假设他不一定产生冲突，CAS无锁实现（乐观）；
当然，它最基本的数据都是数组；
public boolean offer(E e) { checkNotNull(e); final ReentrantLock lock = this.lock; lock.lock(); try { if (count == items.length) return false; else { enqueue(e); return true; } } finally { lock.unlock(); } }
从以上的代码，非常直白，首先只能有一个线程进入这个数据操作的代码，并且队列是不扩容的，一旦达到最大容量，则直接拒绝，返回false；
private void enqueue(E x) { // assert lock.getHoldCount() == 1; // assert items[putIndex] == null; final Object[] items = this.items; items[putIndex] = x; if (++putIndex == items.length) putIndex = 0; count++; notEmpty.signal(); }
正如我们认知的一样，它是一个先进先出的队列，所以在下标达到最大长度之后，会reset成0，并且入队之后，还会唤醒一个事件，就是非空；
我们还有一个put方法可以入队；
public void put(E e) throws InterruptedException { checkNotNull(e); final ReentrantLock lock = this.lock; lock.lockInterruptibly(); try { while (count == items.length) notFull.await(); enqueue(e); } finally { lock.unlock(); } }
这个队列相当于不是快速失败，而是将当前线程park，使用一个condition的await，让线程等待；
它的获取方法take，我们来阅读以下；
public E take() throws InterruptedException { final ReentrantLock lock = this.lock; lock.lockInterruptibly(); try { while (count == 0) notEmpty.await(); return dequeue(); } finally { lock.unlock(); } }
使用的是一个线程中断锁，并且在队列为空的时候，park当前线程；与入队方法enqueue成对应，有元素进来的时候会signal阻塞在此的线程；
private E dequeue() { // assert lock.getHoldCount() == 1; // assert items[takeIndex] != null; final Object[] items = this.items; @SuppressWarnings("unchecked") E x = (E) items[takeIndex]; items[takeIndex] = null; if (++takeIndex == items.length) takeIndex = 0; count--; if (itrs != null) itrs.elementDequeued(); notFull.signal(); return x; }
这个操作，在结束的时候会唤醒阻塞在put的线程，告诉他有位置可以进来了。
而此外，它还提供了带等待时间的阻塞方法。
public boolean offer(E e, long timeout, TimeUnit unit) public E poll(long timeout, TimeUnit unit)
然后它的size，也是需要获取重入锁的，不是非阻塞的。
这么看，它有点像--消息队列。
五。ConcurrentLinkedQueue
并发无锁链表队列，因为线程不会被park，所以效率较高，但是可能引起cpu运算过高。它是在普通链表的基础上，添加了并发的控制， 并采用CAS原子操作保证内存的有序写入。
它的基本元素，Node，只有两个属性，原子的item和next。
java.util.concurrent.ConcurrentLinkedQueue.Node Node<E> volatile E item; volatile Node<E> next;
初始化的时候，head和tail都指向new出来的一个Node上。
head = tail = new Node<E>(null);
我们只需要关心它的添加（offer）和获取（poll）接口是什么样的流程就可以了。
offer接口
public boolean offer(E e) { checkNotNull(e); final Node<E> newNode = new Node<E>(e); // 快照 for (Node<E> t = tail, p = t;;) { Node<E> q = p.next; if (q == null) {// 如果是队尾 则尝试CAS插入 if (p.casNext(null, newNode)) { // 如果tail节点在插入前不是指向末尾节点，则更新tail // 延迟更新也没事，始终会有一个线程更新成功 if (p != t) casTail(t, newNode); // Failure is OK. return true; } // Lost CAS race to another thread; re-read next } else if (p == q) // 由于poll方法，会将节点自引用以便gc，所以要从头节点开始找 p = (t != (t = tail)) ? t : head; else // 如果t的引用地址和tail的一致，则p往下找（p=p.next的意思） // 如果不一致，则直接拿到tail并赋值给p p = (p != t && t != (t = tail)) ? t : q; } }
在单线程插入的时候，插入完成之后如上图。如果继续插入，则p和t不相等，会更新tail的值，这就是快照时候tail不是指向最后一个节点才会执行的逻辑。
如果是多线程插入，在上一个线程没有更新tail的时候，它可能会一直p=p.next的流程，这时候另一个线程更新了tail的地址，这时候需要刷新t的位置。
offer和offer方法的多线程冲突，主要在于tail指针的位置问题。
接下来我们看看poll方法。
public E poll() { restartFromHead: for (;;) { for (Node<E> h = head, p = h, q;;) { E item = p.item; // 出队是更新节点data为null if (item != null && p.casItem(item, null)) { // 如果p节点的下一个不为空则head指向下一个，否则指向p updateHead(h, ((q = p.next) != null) ? q : p); return item; } else if ((q = p.next) == null) {// 如果下一个是null 则更新头节点为自引用 updateHead(h, p); return null; } else if (p == q)// 撞到了自引用 则跳出循环重新copy快照 continue restartFromHead; else p = q;// p = p.next的意思 } } }
我们假设队列的情况是。h还是指向head原地址，p经过一步之后会指向h的next。这时候要将p的Node的item更新为null，并设置head指针，而且p.next不为空，则head会更新到p.next上。
更新之后的状态是。
如果这个时候tail没有更新，还是指向最初的那个节点，也就是offer与poll的冲突。这时候offer就会走第二个else if条件，拿到head。
只有三四行代码，却那么多场景，真是大师作品。写得这么难懂，是因为可以节省CAS指令，我们自己写的CAS操作是util success，这样可能会执行很多条，它这里的head和tail更新不强制一定成功。