PriorityQueue java api给出的定义：
一个基于优先级堆的无界优先级队列。优先级队列的元素按照其自然顺序进行排序，或者根据构造队列时提供的 Comparator 进行排序，具体取决于所使用的构造方法。优先级队列不允许使用 null 元素。依靠自然顺序的优先级队列还不允许插入不可比较的对象（这样做可能导致 ClassCastException）。
此队列的头 是按指定排序方式确定的最小 元素。如果多个元素都是最小值，则头是其中一个元素——选择方法是任意的。队列获取操作 poll、remove、peek 和 element 访问处于队列头的元素。
优先级队列是无界的，但是有一个内部容量，控制着用于存储队列元素的数组大小。它通常至少等于队列的大小。随着不断向优先级队列添加元素，其容量会自动增加。无需指定容量增加策略的细节。
此类及其迭代器实现了 Collection 和 Iterator 接口的所有可选 方法。方法 iterator() 中提供的迭代器不 保证以任何特定的顺序遍历优先级队列中的元素。如果需要按顺序遍历，请考虑使用 Arrays.sort(pq.toArray())。
注意，此实现不是同步的。如果多个线程中的任意线程修改了队列，则这些线程不应同时访问 PriorityQueue 实例。相反，请使用线程安全的 PriorityBlockingQueue 类。
实现注意事项：此实现为排队和出队方法（offer、poll、remove() 和 add）提供 O(log(n)) 时间；为 remove(Object) 和 contains(Object) 方法提供线性时间；为获取方法（peek、element 和 size）提供固定时间。
此类是 Java Collections Framework 的成员。
在平时的编程工作中似乎很少碰到PriorityQueue（优先队列） ，故很多人一开始看到优先队列的时候还会有点迷惑。优先队列本质上就是一个最小堆。堆是什么呢，我们可以这么理解 他就是一数组，不过满足于特殊的性质。我们以一种完全二叉树的视角去看这个数组，并用二叉树的上下级关系来映射到数组上面。如果是最大堆，则二叉树的顶点是保存的最大值，最小堆则保存的最小值。
PriorityQueue的构造方法：
java 为我们提供了多重构造方法，当我们想PriorityQueue 传递已结合的时候，PriorityQueue 会存在一个调整堆的过程（通过调用heapify () 方法来实现）：
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--)
siftDown(i, (E) queue[i]);
}
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
private void siftDownUsingComparator(int k, E x) {
int half = size >>> 1;
while (k < half) {
int child = (k << 1) + 1;
Object c = queue[child];
int right = child + 1;
if (right < size &&
comparator.compare((E) c, (E) queue[right]) > 0)
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = x;
}
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;
}
我们以树的形式来体现 底层数组的调整结构：
假设我们初始化的时候存在这么一组数据[8,5,7,9,6,1],其对应的树形结构如下：
第一步调整：
第二步调整：
第三步调整：
按照前面的过程，相信代码就很好理解了。
PriorityQueue 底层使用 数组来存储数据的，这就跟ArrayList 一样会牵扯到扩容的问题，我们来看下PriorityQueue 是如何扩容的。
private void grow(int minCapacity) {
int oldCapacity = queue.length;
// Double size if small; else grow by 50%
int newCapacity = oldCapacity + ((oldCapacity < 64) ?
(oldCapacity + 2) :
(oldCapacity >> 1));
// overflow-conscious code
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
queue = Arrays.copyOf(queue, newCapacity);
}
private static int hugeCapacity(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
return (minCapacity > MAX_ARRAY_SIZE) ?
Integer.MAX_VALUE :
MAX_ARRAY_SIZE;
}
这部分代码和ArrayList的内部实现代码基本相同，都是先找到合适的数组长度，然后将元素从旧的数组拷贝到新的数组。
add (E e) 方法：
public boolean add(E e) {
return offer(e);
}
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;
}
从这段代码我们可以看出 PriorityQueue ，不支持null 而且添加时真正的实现是 siftUp 方法：
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
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;
}
private void siftUpUsingComparator(int k, E x) {
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = queue[parent];
if (comparator.compare(x, (E) e) >= 0)
break;
queue[k] = e;
k = parent;
}
queue[k] = x;
}
假如 我们初始化的时候PriorityQueue 是空，我们还用[8,5,7,9,6,1]这些数据，调用PriorityQueue 的add(E e) 方法，我们看一下他们的具体过程。这里还采用树形结构来描述。
第一次调用add(E e) 方法 e=8,后数据结果为[8];
第二次调用add(E e) 方法 e=5,后数据结果为[5,8];
第三次调用add(E e) 方法 e=7,后数据结果为[5,8,7];
第四次调用add(E e) 方法 e=9,后数据结果为[5,8,7,9];
第五次调用add(E e) 方法 e=5,后数据结果为[5,6,7,9,8];
第六次调用add(E e) 方法 e=1,后数据结果为[1,6,5,9,8,7];
最后的树结构如下：
注意：们看前面的调整方法不管是siftUp还是siftDown都用了两个方法，一个是用的comparator，还有一个是用的默认比较结果。这样做的目的是考虑到我们要比较的元素不仅仅是数字等类型，也有可能是被定义了可比较的数据类型。对于自定义的数据类型，他们的大小比较定义需要实现comparator接口。