前言
本文收录于专辑：http://dwz.win/HjK，点击解锁更多数据结构与算法的知识。
你好，我是彤哥。
上一节，我们一起学习了如何将递归改写为非递归，其中，用到的数据结构主要是栈。
栈和队列，可以说是除了数组和链表之外最基础的数据结构了，在很多场景中都有用到，后面我们也会陆陆续续的看到。
今天，我想介绍一下，在Java中，如何构建一个高性能的队列，以及我们需要掌握的底层知识。
学习其他语言的同学，也可以看看，在你的语言中，是如何构建高性能队列的。
队列
队列，是一种先进先出（First In First Out，FIFO）的数据结构，类似于实际生活场景中的排队，先到的人先得。
使用数组和链表实现简单的队列，我们前面都介绍过了，这里就不再赘述了，有兴趣的同学可以点击以下链接查看：
今天我们主要来学习如何实现高性能的队列。
说起高性能的队列，当然是说在高并发环境下也能够工作得很好的队列，这里的很好主要是指两个方面：并发安全、性能好。
并发安全的队列
在Java中，默认地，也自带了一些并发安全的队列：
| 队列 | 有界性 | 锁 | 数据结构 |
|---|---|---|---|
| ArrayBlockingQueue | 有界 | 加锁 | 数组 |
| LinkedBlockingQueue | 可选有界 | 加锁 | 链表 |
| ConcurrentLinkedQueue | 无界 | 无锁 | 链表 |
| SynchronousQueue | 无界 | 无锁 | 队列或栈 |
| LinkedTransferQueue | 无界 | 无锁 | 链表 |
| 无界 | 加锁 | 堆 | |
| 无界 | 加锁 | 堆 |
这些队列的源码解析快捷入口：死磕 Java并发集合之终结篇
总结起来，实现并发安全队列的数据结构主要有：数组、链表和堆，堆主要用于实现优先级队列，不具备通用性，暂且不讨论。
从有界性来看，只有ArrayBlockingQueue和LinkedBlockingQueue可以实现有界队列，其它的都是无界队列。
从加锁来看，ArrayBlockingQueue和LinkedBlockingQueue都采用了加锁的方式，其它的都是采用的CAS这种无锁的技术实现的。
从安全性的角度来说，我们一般都要选择有界队列，防止生产者速度过快导致内存溢出。
从性能的角度来说，我们一般要考虑无锁的方式，减少线程上下文切换带来的性能损耗。
从JVM的角度来说，我们一般选择数组的实现方式，因为链表会频繁的增删节点，导致频繁的垃圾回收，这也是一种性能损耗。
所以，最佳的选择就是：数组 + 有界 + 无锁。
而JDK并没有提供这样的队列，因此，很多开源框架都自己实现了高性能的队列，比如Disruptor，以及Netty中使用的jctools。
高性能队列
我们这里不讨论具体的某一个框架，只介绍实现高性能队列的通用技术，并自己实现一个。
环形数组
通过上面的讨论，我们知道实现高性能队列使用的数据结构只能是数组，而数组实现队列，必然要使用到环形数组。
环形数组，一般通过设置两个指针实现：putIndex和takeIndex，或者叫writeIndex和readIndex，一个用于写，一个用于读。
当写指针到达数组尾端时，会从头开始，当然，不能越过读指针，同理，读指针到达数组尾端时，也会从头开始，当然，不能读取未写入的数据。
而为了防止写指针和读指针重叠的时候，无法分清队列到底是满了还是空的状态，一般会再添加一个size字段：
所以，使用环形数组实现队列的数据结构一般为：
public class ArrayQueue<T> {
private T[] array;
private long wrtieIndex;
private long readIndex;
private long size;
}
在单线程的情况下，这样不会有任何问题，但是，在多线程环境中，这样会带来严重的伪共享问题。
伪共享
什么是共享？
在计算机中，有很多存储单元，我们接触最多的就是内存，又叫做主内存，此外，CPU还有三级缓存：L1、L2、L3，L1最贴近CPU，当然，它的存储空间也很小，L2比L1稍大一些，L3最大，可以同时缓存多个核心的数据。CPU取数据的时候，先从L1缓存中读取，如果没有再从L2缓存中读取，如果没有再从L3中读取，如果三级缓存都没有，最后会从内存中读取。离CPU核心越远，则相对的耗时就越长，所以，如果要做一些很频繁的操作，要尽量保证数据缓存在L1中，这样能极大地提高性能。
缓存行
而数据在三级缓存中，也不是说来一个数据缓存一下，而是一次缓存一批数据，这一批数据又称作缓存行（Cache Line），通常为64字节。
每一次，当CPU去内存中拿数据的时候，都会把它后面的数据一并拿过来（组成64字节），我们以long型数组为例，当CPU取数组中一个long的时候，同时会把后续的7个long一起取到缓存行中。
这在一定程度上能够加快数据的处理，因为，此时在处理下标为0的数据，下一个时刻可能就要处理下标为1的数据了，直接从缓存中取要快很多。
但是，这样又带来了一个新的问题——伪共享。
伪共享
试想一下，两个线程（CPU）同时在处理这个数组中的数据，两个CPU都缓存了，一个CPU在对array[0]的数据加1，另一个CPU在对array[1]的数据加1，那么，回写到主内存的时候，到底以哪个缓存行的数据为准（写回主内存的时候也是以缓存行的形式写回），所以，此时，就需要对这两个缓存行“加锁”了，一个CPU先修改数据，写回主内存，另一个CPU才能读取数据并修改数据，再写回主内存，这样势必会带来性能的损耗，出现的这种现象就叫做伪共享，这种“加锁”的方式叫做内存屏障，关于内存屏障的知识我们就不展开叙述了。
那么，怎么解决伪共享带来的问题呢？
以环形数组实现的队列为例，writeIndex、readIndex、size现在是这样处理的：
所以，我们只需要在writeIndex和readIndex之间加7个long就可以把它们隔离开，同理，readIndex和size之间也是一样的。
这样就消除了writeIndex和readIndex之间的伪共享问题，因为writeIndex和readIndex肯定是在两个不同的线程中更新，所以，消除伪共享之后带来的性能提升是很明显的。
假如有多个生产者，writeIndex是肯定会被争用的，此时，要怎么友好地修改writeIndex呢？即一个生产者线程修改了writeIndex，另一个生产者线程要立马可见。
你第一时间想到的肯定是volatile，没错，可是光volatile还不行哦，volatile只能保证可见性和有序性，不能保证原子性，所以，还需要加上原子指令CAS，CAS是谁提供的？原子类AtomicInteger和AtomicLong都具有CAS的功能，那我们直接使用他们吗？肯定不是，仔细观察，发现他们最终都是调用Unsafe实现的。
OK，下面就轮到最牛逼的底层杀手登场了——Unsafe。
Unsafe
Unsafe不仅提供了CAS的指令，还提供很多其它操作底层的方法，比如操作直接内存、修改私有变量的值、实例化一个类、阻塞/唤醒线程、带有内存屏障的方法等。
关于Unsafe，可以看这篇文章：死磕 java魔法类之Unsafe解析
当然，构建高性能队列，主要使用的是Unsafe的CAS指令以及带有内存屏障的方法等：
// 原子指令
public final native boolean compareAndSwapLong(Object var1, long var2, long var4, long var6);
// 以volatile的形式获取值，相当于给变量加了volatile关键字
public native long getLongVolatile(Object var1, long var2);
// 延迟更新，对变量的修改不会立即写回到主内存，也就是说，另一个线程不会立即可见
public native void putOrderedLong(Object var1, long var2, long var4);
好了，底层知识介绍的差不多了，是时候展现真正的技术了——手写高性能队列。
手写高性能队列
我们假设这样一种场景：有多个生产者（Multiple Producer），却只有一个消费者（Single Consumer），这是Netty中的经典场景，这样一种队列该怎么实现？
直接上代码：
/**
* 多生产者单消费者队列
*
* @param <T>
*/
public class MpscArrayQueue<T> {
long p01, p02, p03, p04, p05, p06, p07;
// 存放元素的地方
private T[] array;
long p1, p2, p3, p4, p5, p6, p7;
// 写指针，多个生产者，所以声明为volatile
private volatile long writeIndex;
long p11, p12, p13, p14, p15, p16, p17;
// 读指针，只有一个消费者，所以不用声明为volatile
private long readIndex;
long p21, p22, p23, p24, p25, p26, p27;
// 元素个数，生产者和消费者都可能修改，所以声明为volatile
private volatile long size;
long p31, p32, p33, p34, p35, p36, p37;
// Unsafe变量
private static final Unsafe UNSAFE;
// 数组基础偏移量
private static final long ARRAY_BASE_OFFSET;
// 数组元素偏移量
private static final long ARRAY_ELEMENT_SHIFT;
// writeIndex的偏移量
private static final long WRITE_INDEX_OFFSET;
// readIndex的偏移量
private static final long READ_INDEX_OFFSET;
// size的偏移量
private static final long SIZE_OFFSET;
static {
Field f = null;
try {
// 获取Unsafe的实例
f = Unsafe.class.getDeclaredField("theUnsafe");
f.setAccessible(true);
UNSAFE = (Unsafe) f.get(null);
// 计算数组基础偏移量
ARRAY_BASE_OFFSET = UNSAFE.arrayBaseOffset(Object[].class);
// 计算数组中元素偏移量
// 简单点理解，64位系统中有压缩指针占用4个字节，没有压缩指针占用8个字节
int scale = UNSAFE.arrayIndexScale(Object[].class);
if (4 == scale) {
ARRAY_ELEMENT_SHIFT = 2;
} else if (8 == scale) {
ARRAY_ELEMENT_SHIFT = 3;
} else {
throw new IllegalStateException("未知指针的大小");
}
// 计算writeIndex的偏移量
WRITE_INDEX_OFFSET = UNSAFE
.objectFieldOffset(MpscArrayQueue.class.getDeclaredField("writeIndex"));
// 计算readIndex的偏移量
READ_INDEX_OFFSET = UNSAFE
.objectFieldOffset(MpscArrayQueue.class.getDeclaredField("readIndex"));
// 计算size的偏移量
SIZE_OFFSET = UNSAFE
.objectFieldOffset(MpscArrayQueue.class.getDeclaredField("size"));
} catch (Exception e) {
throw new RuntimeException();
}
}
// 构造方法
public MpscArrayQueue(int capacity) {
// 取整到2的N次方（未考虑越界）
capacity = 1 << (32 - Integer.numberOfLeadingZeros(capacity - 1));
// 实例化数组
this.array = (T[]) new Object[capacity];
}
// 生产元素
public boolean put(T t) {
if (t == null) {
return false;
}
long size;
long writeIndex;
do {
// 每次循环都重新获取size的大小
size = this.size;
// 队列满了直接返回
if (size >= this.array.length) {
return false;
}
// 每次循环都重新获取writeIndex的值
writeIndex = this.writeIndex;
// while循环中原子更新writeIndex的值
// 如果失败了重新走上面的过程
} while (!UNSAFE.compareAndSwapLong(this, WRITE_INDEX_OFFSET, writeIndex, writeIndex + 1));
// 到这里，说明上述原子更新成功了
// 那么，就把元素的值放到writeIndex的位置
// 且更新size
long eleOffset = calcElementOffset(writeIndex, this.array.length-1);
// 延迟更新到主内存，读取的时候才更新
UNSAFE.putOrderedObject(this.array, eleOffset, t);
// 往死里更新直到成功
do {
size = this.size;
} while (!UNSAFE.compareAndSwapLong(this, SIZE_OFFSET, size, size + 1));
return true;
}
// 消费元素
public T take() {
long size = this.size;
// 如果size为0，表示队列为空，直接返回
if (size <= 0) {
return null;
}
// size大于0，肯定有值
// 只有一个消费者，不用考虑线程安全的问题
long readIndex = this.readIndex;
// 计算读指针处元素的偏移量
long offset = calcElementOffset(readIndex, this.array.length-1);
// 获取读指针处的元素，使用volatile语法，强制更新生产者的数据到主内存
T e = (T) UNSAFE.getObjectVolatile(this.array, offset);
// 增加读指针
UNSAFE.putOrderedLong(this, READ_INDEX_OFFSET, readIndex+1);
// 减小size
do {
size = this.size;
} while (!UNSAFE.compareAndSwapLong(this, SIZE_OFFSET, size, size-1));
return e;
}
private long calcElementOffset(long index, long mask) {
// index & mask 相当于取余数，表示index到达数组尾端了从头开始
return ARRAY_BASE_OFFSET + ((index & mask) << ARRAY_ELEMENT_SHIFT);
}
}
是不是看不懂？那就对了，多看几遍吧，面试又能吹一波了。
这里使用的是每两个变量之间加7个long类型的变量来消除伪共享，有的开源框架你可能会看到通过继承的方式实现的，还有的是加15个long类型，另外，JDK8中也提供了一个注解@Contended来消除伪共享。
本例其实还有优化的空间，比如，size的使用，能不能不使用size？不使用size又该如何实现？
后记
本节，我们一起学习了在Java中如何构建高性能的队列，并学习了一些底层的知识，毫不夸张地讲，学会了这些底层知识，面试的时候光队列就能跟面试官吹一个小时。
另外，最近收到一些同学的反馈，说哈希、哈希表、哈希函数他们之间有关系吗？有怎样的关系？为什么Object中要放一个hash()方法？跟equals()方法怎么又扯上关系了呢？
下一节，我们就来看看关于哈希的一切，想及时获取最新推文吗？还不快点来关注我！
关注公号主“彤哥读源码”，解锁更多源码、基础、架构知识。