面试--算法--Top K

Top K问题是面试时手写代码的常考题，某些场景下的解法与堆排和快排的关系紧密，所以把它放在堆排后面讲。

下面先来还原一下Top K考试常见的套路。

你正紧张地坐在小隔间里，听着越来越近的脚步声，内心忐忑，犹如兔脱。

推门声呷然而起，你扭头一看，身体已不由自主起立，打量着眼前来人，心里一阵窃喜：还好，面善。

面试官点头致意，你配合坐下，满心满眼一片赤诚，恨不得把公司的茶水阿姨都夸一遍来表明你面试的诚意。

面试官拿着你的简历目不斜视，有意无意间想起了经年彼时自己面试的紧张场景，自己走过的弯路不能让他再重复走，于是决定先暖暖场活跃活跃气氛，也多少祭奠一下那夕阳晚钟，那迎风少年，那狗日的青春。

面试官说今天的天气真好，你说蓝天白云不多见，哈哈哈哈。

你说贵公司的办公环境真心不错，面试官看看四周表面克制内心放浪——那是自…不对，不能这么说，年轻人面前还是不要喜形于色。

面试官说还好了，哈哈哈哈。

真的，环境很不错，哈哈哈哈。你说着，手心大汗淋漓，嗓子里干得冒烟。

面试官眯着眼看了看你，说公司大了人就多，人多了数据就多了，现在有一组千万级别的数，你能不能帮我找出最大的5个？尽量少用空间和时间。

你听完风中凌乱一脸懵逼，电光火石之间抖一抖眼皮，一阵狂喜，还好看过丑旦的这篇笔记。

Offer，稳了。
…

嘿嘿，以上扯的这个淡，希望能加深你对Top K问题的印象^_^。

言归正传，笔者见过关于Top K问题最全的分类总结是在这里（包括海量数据的处理），个人将这些题分成了两类：一类是容易写代码实现的；另一类侧重考察思路的。毫无疑问，后一种比较简单，你只要记住它的应用场景、解决思路，并能在面试的过程中将它顺利地表达出来，便能以不变应万变。前一种，需要手写代码，就必须要掌握一定的技巧，常见的解法有两种，就是前面说过的堆排和快排的变形。

本文主要来看看方便用代码解决的问题。

堆排解法

用堆排来解决Top K的思路很直接。

前面已经说过，堆排利用的大（小）顶堆所有子节点元素都比父节点小（大）的性质来实现的，这里故技重施：既然一个大顶堆的顶是最大的元素，那我们要找最小的K个元素，是不是可以先建立一个包含K个元素的堆，然后遍历集合，如果集合的元素比堆顶元素小（说明它目前应该在K个最小之列），那就用该元素来替换堆顶元素，同时维护该堆的性质，那在遍历结束的时候，堆中包含的K个元素是不是就是我们要找的最小的K个元素？

实现：
在堆排的基础上，稍作了修改，buildHeap和heapify函数都是一样的实现，不难理解。

速记口诀：最小的K个用最大堆，最大的K个用最小堆。

public class TopK {

    public static void main(String[] args) {
        // TODO Auto-generated method stub
        int[] a = { 1, 17, 3, 4, 5, 6, 7, 16, 9, 10,