一刷244-剑指 Offer II 059. 数据流的第 K 大数值（同：703. 数据流中的第 K 大元素）

题目：
设计一个找到数据流中第 k 大元素的类（class）。注意是排序后的第 k 大元素，不是第 k 个不同的元素。

请实现 KthLargest 类：
KthLargest(int k, int[] nums) 使用整数 k 和整数流 nums 初始化对象。
int add(int val) 将 val 插入数据流 nums 后，返回当前数据流中第 k 大的元素。
---------------------
示例：
输入：
["KthLargest", "add", "add", "add", "add", "add"]
[[3, [4, 5, 8, 2]], [3], [5], [10], [9], [4]]
输出：
[null, 4, 5, 5, 8, 8]

解释：
KthLargest kthLargest = new KthLargest(3, [4, 5, 8, 2]);
kthLargest.add(3);   // return 4
kthLargest.add(5);   // return 5
kthLargest.add(10);  // return 5
kthLargest.add(9);   // return 8
kthLargest.add(4);   // return 8
 
提示：
1 <= k <= 104
0 <= nums.length <= 104
-104 <= nums[i] <= 104
-104 <= val <= 104
最多调用 add 方法 104 次
题目数据保证，在查找第 k 大元素时，数组中至少有 k 个元素
-----------------------------
思路：
此题要求我们求数据流中的 TopK，这是很常见的题目，现在我们来想一下暴力解法：

设置一个数组，将 add() 后的元素都存放在数组中。
每次 add() 之后，我们都对数组进行排序，然后返回 TopK 元素。
显然，上面这种是不太现实的，每次都要对数组进行排序，时间复杂度太高
。暴力解法的问题所在是：数组这种数据结构是没有自带排序的功能的，

所以，我们目前就是需要一种自带排序功能的数据结构——堆。

在大根堆中，父节点的值比每一个子节点的值都要大。
在小根堆中，父节点的值比每一个子节点的值都要小。

本题，我们使用小根堆，至于为什么使用小根堆，看完解题思路你就知道了：

初始化，将所有的元素都插入堆中。
每次 add() 的时候，将新元素插入到堆中，如果此时堆中的元素超过了 K，那
么需要把堆中的最小元素（堆顶）删除。

此时堆中的最小元素（堆顶）就是整个数据流中的第 K 大元素。

Java 中的 PriorityQueue 就是使用堆实现的。
//小根堆，默认容量11
PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();
//大根堆，容量11
PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(11,new Comparator<Integer>(){
    @Override
    public int compare(Integer i1,Integer i2){
        return i2-i1;
    }
});
--------------------------
class KthLargest {
    private PriorityQueue<Integer> heap;
    private int k;
    public KthLargest(int k, int[] nums) {//初始化： 将所有元素都插入堆中
        this.k = k;
        heap = new PriorityQueue<>(k);
        for (int num : nums) {
            heap.add(num);
        }
    }
    public int add(int val) {
        heap.add(val);//将元素插入堆中
        while (heap.size() > k) {//若堆中的大小超过K，将多余的元素删掉
            heap.poll();
        }
        return heap.peek();//堆顶就是 TopK元素
    }
}
/**
 * Your KthLargest object will be instantiated and called as such:
 * KthLargest obj = new KthLargest(k, nums);
 * int param_1 = obj.add(val);
 */

LC