二叉树
二叉树（Binary tree），每个节点最多只有两个分支的树结构。通常分支被称作“左子树”或“右子树”。二叉树的分支具有左右次序，不能随意颠倒。
完全二叉树
在一颗二叉树中，若除最后一层外的其余层都是满的，并且最后一层要么是满的，要么在右边缺少连续若干节点，则此二叉树为完全二叉树（Complete Binary Tree）
以下都是完全二叉树：
二叉堆
二叉堆（binary heap）是一种特殊的堆，二叉堆是完全二叉树或者是近似完全二叉树。
二叉堆满足堆特性：父节点的键值总是保持固定的序关系于任何一个子节点的键值，且每个节点的左子树和右子树都是一个二叉堆。
当父节点的键值总是大于或等于任何一个子节点的键值时为“最大堆”（max heap）。
当父节点的键值总是小于或等于任何一个子节点的键值时为“最小堆”（min heap）。
最小堆
今天我们只讲最小堆（min heap）。因为 React 的任务列表（taskQueue）用的就是最小堆。
React 用的是数组结构表示的最小堆，一张图带你明白最小堆如何映射为数组：
React 采用原因
React 为什么采用最小堆结构呢？
这是因为在最小堆结构中，最小值就在第一个，React 可以快速的取出最小值。
React 为什么要取出最小值而不是最大值呢？我们可以这样设想，React 将更新任务拆成多个小任务，每个小任务的数据结构是一个带着 expirationTime 的对象，expirationTime 表示这个任务的过期时间，expirationTime 越小就表示过期时间越近，该任务的优先级就越高，取出最小值就相当于取出优先级最高的任务。
React 函数实现
React 的最小堆涉及 5 个函数：
- push，往最小堆插入新节点
- pop，删除根节点，就是那个最小的值
- siftUp，上浮，不停地交换节点和父节点
- shiftDown，下沉，不停地交换节点和子节点
- peek，获取根节点，也就是数组的第一个元素，也就是优先级最高的那个任务
接下来我们进行详细的讲解。
插入过程（push）
我们先讲二叉堆的插入过程：
当插入一个新节点的时候，我们会在二叉堆的最后添加，然后将其“上浮”到正确位置。举个例子：
我们尝试在下面这个二叉堆中，插入新节点，它的值为 1，我们会将这个值与父节点的值进行对比，如果小于父节点，就交换两个节点，就这样不断比较上浮，直到父节点比它小
React 的实现代码如下：
// 源码地址：https://github.com/facebook/react/blob/main/packages/scheduler/src/SchedulerMinHeap.js function push(heap, node) { const index = heap.length; heap.push(node); siftUp(heap, node, index); } function siftUp(heap, node, i) { let index = i; while (index > 0) { // 获取父节点的索引位置 const parentIndex = (index - 1) >>> 1; const parent = heap[parentIndex]; if (compare(parent, node) > 0) { // 如果父节点更大，就交换位置 heap[parentIndex] = node; heap[index] = parent; index = parentIndex; } else { // 直到父节点更小，就退出 return; } } } function compare(a, b) { // 首先比较 sortIndex，其次是 id const diff = a.sortIndex - b.sortIndex; return diff !== 0 ? diff : a.id - b.id; } // 测试代码 let taskQueue = [{sortIndex: 2}, {sortIndex: 7}, {sortIndex: 5}, {sortIndex: 12}, {sortIndex: 22}, {sortIndex: 17}]; push(taskQueue, {sortIndex: 1}) console.log(JSON.stringify(taskQueue))
>>> 1
这个实现过程中，可能不熟悉的是这句：
const parentIndex = (index - 1) >>> 1;
这是用来获取父节点的索引值的。
我们先看下 >>> 这个运算符，引用 MDN 的介绍：
无符号右移运算符（>>>）（零填充右移）将左操作数计算为无符号数，并将该数字的二进制表示形式移位为右操作数指定的位数，取模 32。向右移动的多余位将被丢弃，零位从左移入。其符号位变为 0，因此结果始终为非负数。与其他按位运算符不同，零填充右移返回一个无符号 32 位整数。
看起来有些复杂？没关系，我们直接讲过程，我们以 5 >>> 1为例：
首先将 5 转为 32 位的二进制数：00000000000000000000000000000101。
>>> 1表示将该二进制向右移动 1 位，向右移动出去的被丢弃，左边部零，于是变成了0000000000000000000000000000010，换算成十进制，就是 2，所以 5 >>> 1的结果就是 2。
我们再举一个例子，4 >>> 1，4 是 00000000000000000000000000000101，向右移动一位变成 0000000000000000000000000000010，换算成十进制，就是 2，所以 4 >>> 1的结果也是 2。
我们再试几个例子：
所以你可以简单理解为，x >>> 1表示的就是除以 2 后取整。
我们再看下最小堆和数组的映射图：
你看父节点的索引值是不是就是 (子节点的索引值 - 1) / 2 后取整。
删除过程（pop）
现在我们来看删除过程，因为我们删除的是根节点，它的具体流程是：
- 取出最后一个节点，替换掉根节点
- 将节点“下沉”到正确位置
我们举个例子：
现在我们要删除根节点 2 ，我们将最后一个节点 25，替换掉根节点 2，然后将新的根节点 25，与两个子节点进行比较，将节点与更小的那个子节点进行交换，然后这样不断比较下沉，直到子节点都比它大。
它的具体实现如下：
// 源码地址：https://github.com/facebook/react/blob/main/packages/scheduler/src/SchedulerMinHeap.js function pop(heap) { if (heap.length === 0) { return null; } const first = heap[0]; // JavaScript 的 pop 方法删除并返回数组的最后一个元素 const last = heap.pop(); if (last !== first) { heap[0] = last; siftDown(heap, last, 0); } return first; } function siftDown(heap, node, i) { let index = i; const length = heap.length; const halfLength = length >>> 1; while (index < halfLength) { const leftIndex = (index + 1) * 2 - 1; const left = heap[leftIndex]; const rightIndex = leftIndex + 1; const right = heap[rightIndex]; // 如果 left 比 node 小 if (compare(left, node) < 0) { // 如果 right 比 left 还小，说明 right 最小，right 与 node 交换 if (rightIndex < length && compare(right, left) < 0) { heap[index] = right; heap[rightIndex] = node; index = rightIndex; } // 说明 left 最小，left 与 node 交换 else { heap[index] = left; heap[leftIndex] = node; index = leftIndex; } } // 如果 left node 大，但 right 比 node 小，right 与 node 交换 else if (rightIndex < length && compare(right, node) < 0) { heap[index] = right; heap[rightIndex] = node; index = rightIndex; } else { // 子元素都比 node 大 return; } } } // 示例代码 let taskQueue = [{sortIndex: 2}, {sortIndex: 5}, {sortIndex: 7}, {sortIndex: 12}, {sortIndex: 22}, {sortIndex: 17}, {sortIndex: 25}]; pop(taskQueue) // [{"sortIndex":5},{"sortIndex":12},{"sortIndex":7},{"sortIndex":25},{"sortIndex":22},{"sortIndex":17}] console.log(JSON.stringify(taskQueue))
halfLength
siftDown 的实现中，我认为最有意思是在 halfLength 这里：
const length = heap.length; const halfLength = length >>> 1; while (index < halfLength) {//...}
实际上 React 这里之前直接用的 index < length 而非 index < halfLength，我们可以查看当时的提交记录：
那为什么只用比较一半就可以了呢？如果我们尝试自己去画几个最小堆，发现也确实如此，完全不用全部比较一遍。 如果非要从算术的角度来看的话，我们可以这样想： 假设父节点的 index 为 x，那么左子节点的 index 为 2x + 1，右子节点的 index 为 2x + 2，每一次 shiftDown，index 的最大变化就是 2x + 2，而 2x + 2 最大只能等于 length - 1，那么：
因为 2x + 2 <= length - 1 所以 x <= length/2 - 1.5 我们知道 y >>> 1 ，在 y 为正数的情况下，计算的结果为 y/2 - 0.5 或者 y/2 如果 x <= length/2 - 1.5 那么肯定 x < length/2 - 0.5 以及 x < length/2 所以肯定 x < length >>> 1
peek
除此之外，还有一个 peek 方法，获取数组的第一个元素：
function peek(heap) { return heap.length === 0 ? null : heap[0]; }
好了，React 的 SchedulerMinHeap.js 这个文件的所有代码就正式讲完了，它是一个几乎完全独立的实现，当然 Scheduler 也是独立的，下篇我们接着讲 Scheduler。
