@Author：Runsen

@Date：2020/9/8

現在大四基本是重刷數據結構和算法，因為筆試真的太重要了。 我又重溫了爭大佬專欄的隊列，又鞏固了下。而且我發現留言區大佬的筆記很多，下面很多都是來自大佬總結的。

文章目錄

• 一、如何理解“隊列”？
• 二、順序隊列和鏈式隊列
• 三、循環隊列
• 四、阻塞隊列和并發隊列
• 五、線程池沒有空閑線程時，新的任務請求線程資源時，線程池該如何處理？各種處理策略又是如何實現的呢？
• 【思考】
• Leetcode 225. 用隊列實現棧
• Leetcode劍指 Offer 59 - I. 滑動窗口的最大值
• 703 數據流中的第K大元素

【大佬筆記】

一、如何理解“隊列”？

1、隊列是一種操作受限的線性表數據結構。
2、隊列最大的特點就是先進先出。
3、最基本的操作：入隊 enqueue()，放一個數據到隊列尾部；出隊 dequeue()，從隊列頭部取一個元素。

二、順序隊列和鏈式隊列

1、用數組實現的隊列叫順序隊列，用鏈表實現的隊列叫鏈式隊列。
2、隊列需要兩個指針：一個是 head 指針，指向隊頭；一個是 tail 指針，指向隊尾。
3、隨著不停地進行入隊、出隊操作，head 和 tail 都會持續往后移動。當 tail 移動到最右邊，即使數組中還有空閑空間，也無法繼續往隊列中添加數據了。

實際上，我們在出隊時可以不用搬移數據。如果沒有空閑空間了，只需要在入隊時，再集中觸發一次數據的搬移操作。出隊函數 dequeue() 保持不變，我們稍加改造一下入隊函數 enqueue() 的實現，當隊列的 tail 指針移動到數組的最右邊后，如果有新的數據入隊，我們可以將 head 到 tail 之間的數據，整體搬移到數組中 0 到 tail-head 的位置。

4、基于鏈表的實現，同樣需要兩個指針：head 指針和 tail 指針。分別指向鏈表的第一個結點和最后一個結點。入隊時，tail->next= new_node, tail = tail->next；出隊時，head = head->next。

三、循環隊列

1、循環隊列，原本數組是有頭有尾的，是一條直線。把首尾相連，扳成了一個環。
2、在數組實現隊列的時候，會有數據搬移操作，要想解決數據搬移的問題，需要像環一樣的循環隊列。
3、要想寫出沒有 bug 的循環隊列的實現代碼，最關鍵的是，確定好隊空和隊滿的判定條件。
1）隊列為空的判斷條件仍然是 head == tail。
2）當隊滿時，(tail+1)%n=head。 tail 指向的位置實際上是沒有存儲數據的。所以，循環隊列會浪費一個數組的存儲空間。

四、阻塞隊列和并發隊列

1、阻塞隊列
1）阻塞隊列就是在隊列基礎上增加了阻塞操作。
2）在隊列為空的時候，從隊頭取數據會被阻塞。因為此時還沒有數據可取，直到隊列中有了數據才能返回；如果隊列已經滿了，那么插入數據的操作就會被阻塞，直到隊列中有空閑位置后再插入數據，然后再返回。
3）基于阻塞隊列實現的“生產者 - 消費者模型”，可以有效地協調生產和消費的速度。

2、并發隊列
1）線程安全的隊列，叫作并發隊列。
2）最簡單直接的實現方式是直接在 enqueue()、dequeue() 方法上加鎖，但是鎖粒度大并發度會比較低，同一時刻僅允許一個存或者取操作。
3）實際上，基于數組的循環隊列，利用 CAS 原子操作，可以實現非常高效的并發隊列。這也是循環隊列比鏈式隊列應用更加廣泛的原因。

CAS是Compare And Set的縮寫，是以一種無鎖的方式實現并發控制。

五、線程池沒有空閑線程時，新的任務請求線程資源時，線程池該如何處理？各種處理策略又是如何實現的呢？

一般有兩種處理策略。第一種是非阻塞的處理方式，直接拒絕任務請求；另一種是阻塞的處理方式，將請求排隊，等到有空閑線程時，取出排隊的請求繼續處理。
1、基于鏈表的實現方式，可以實現一個支持無限排隊的無界隊列（unbounded queue），但是可能會導致過多的請求排隊等待，請求處理的響應時間過長。所以，針對響應時間比較敏感的系統，基于鏈表實現的無限排隊的線程池是不合適的。
2、基于數組實現的有界隊列（bounded queue），隊列的大小有限，所以線程池中排隊的請求超過隊列大小時，接下來的請求就會被拒絕，這種方式對響應時間敏感的系統來說，就相對更加合理。不過，設置一個合理的隊列大小，也是非常有講究的。隊列太大導致等待的請求太多，隊列太小會導致無法充分利用系統資源、發揮最大性能。
（除了前面講到隊列應用在線程池請求排隊的場景之外，隊列可以應用在任何有限資源池中，用于排隊請求，比如數據庫連接池等。實際上，對于大部分資源有限的場景，當沒有空閑資源時，基本上都可以通過“隊列”這種數據結構來實現請求排隊。）

【思考】

除了線程池這種池結構會用到隊列排隊請求，你還知道有哪些類似的池結構或者場景中會用到隊列的排隊請求呢？

一、1、像windows操作系統的消息隊列，略高級一些帶有優先級。還有qt中的信號與槽函數機制，使用connect鏈接，其中的參數就是設置為把窗口界面消息放到消息隊列，然后一次取出。比如優先級消息，窗口系統關閉，優先級高，則就直接執行關閉操作。
2、sockets網絡連接隊列。
3、數據庫連接隊列。
4、一種集群操作，很多客戶端像服務端請求資源，處理高并發大量請求。把這些請求放到隊列中。
5、分布式應用中的消息隊列，也是一種隊列結構。

今天講到并發隊列，關于如何實現無鎖并發隊列，網上有非常多的討論。對這個問題，你怎么看呢？

二、考慮使用CAS實現無鎖隊列，則在入隊前，獲取tail位置，入隊時比較tail是否發生變化，如果否，則允許入隊，反之，本次入隊失敗。出隊則是獲取head位置，進行cas。

看了下上面的大佬的筆記，似懂非懂、變成飯桶。還是刷下隊列相關的題，解決下我完全不會的心情。

Leetcode 225. 用隊列實現棧

from collections import deque class MyStack:def __init__(self):"""Initialize your data structure here."""self.q1 = deque()self.q2 = deque()def push(self, x: int) -> None:"""Push element x onto stack."""self.q1.append(x)def pop(self) -> int:"""Removes the element on top of the stack and returns that element."""while len(self.q1) > 1:self.q2.append(self.q1.popleft())x = self.q1.popleft()self.q1,self.q2 = self.q2,self.q1return xdef top(self) -> int:"""Get the top element."""res = self.q1.pop()self.q1.append(res)return resdef empty(self) -> bool:"""Returns whether the stack is empty."""if len(self.q1) == 0:return Trueelse:return False

Leetcode劍指 Offer 59 - I. 滑動窗口的最大值

''' @Author： Runsen @WeChat：RunsenLiu @微信公眾號： Python之王 @CSDN： https://blog.csdn.net/weixin_44510615 @Github： https://github.com/MaoliRUNsen @Date： 2020/9/8輸入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3 輸出: [3,3,5,5,6,7] 解釋:滑動窗口的位置 最大值 --------------- ----- [1 3 -1] -3 5 3 6 7 31 [3 -1 -3] 5 3 6 7 31 3 [-1 -3 5] 3 6 7 51 3 -1 [-3 5 3] 6 7 51 3 -1 -3 [5 3 6] 7 61 3 -1 -3 5 [3 6 7] 7'''def maxSlidingWindow(nums,k):if not nums: return []window ,res = [],[]for i,x in enumerate(nums):# 如果存在窗口 而且窗口的第一個數 不在這個范圍，就出去if i >= k and window[0] <= i-k:window.pop(0)# 每次進入窗口的和最后一個比較，如果大了，最后一個直接刪除while window and nums[window[-1]] <= x:window.pop()# 無論是不是刪除最后一個，都要加入x到窗口中window.append(i)# 如果出了窗口，就把窗口的頭加入到res中if i >= k-1:res.append(nums[window[0]])print(window)return resprint(maxSlidingWindow(nums = [1,3,-1,-3,5,3,6,7], k = 3))

703 數據流中的第K大元素

''' @Author： Runsen @WeChat：RunsenLiu @微信公眾號： Python之王 @CSDN： https://blog.csdn.net/weixin_44510615 @Github： https://github.com/MaoliRUNsen @Date： 2020/9/10 703. 數據流中的第K大元素 設計一個找到數據流中第K大元素的類（class）。注意是排序后的第K大元素，不是第K個不同的元素。 你的 KthLargest 類需要一個同時接收整數 k 和整數數組nums 的構造器，它包含數據流中的初始元素。每次調用 KthLargest.add，返回當前數據流中第K大的元素。示例: int k = 3; int[] arr = [4,5,8,2]; KthLargest kthLargest = new KthLargest(3, arr); kthLargest.add(3); // returns 4 kthLargest.add(5); // returns 5 kthLargest.add(10); // returns 5 kthLargest.add(9); // returns 8 kthLargest.add(4); // returns 8 說明: 你可以假設 nums 的長度≥ k-1 且k ≥ 1。 ''' import heapq class KthLargest:def __init__(self, k: int, nums):# 建立第k大的大self.pool = heapq.nlargest(k, nums)self.k = kdef add(self, val: int) -> int:if len(self.pool) < self.k:# 彈出并返回heap的最小的元素，保持堆的不變性。heapq.heappush(self.pool,val)else:# 把val放入堆中，然后彈出并返回heap中最小的元素。heapq.heappushpop(self.pool,val)return self.pool[0]

總結

以上是生活随笔為你收集整理的为了OFFER，我加深学习队列，现在还一脸懵逼的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。