703. 数据流中的第 K 大元素（优先队列：小根堆）

数据流中的第 K 大元素

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

---

解题思路

如果该题使用数组的话，当每次调用 add() 函数时，向数组中添加一个元素，然后调用 sort() 函数进行排序，返回排序后数组的第 K 个数字。该做法在每次调用 add() 函数时的时间复杂度为 O(K*log(K))，该时间复杂度太高，当 K 很大且 add() 调用次数太多的时候，一定会超时。
使用数组最大的问题：数组无法在不调用 sort() 函数的情况下自动排序，这会导致时间复杂度过高。

有什么数据结构能够自带排序功能呢？答案是：堆

1. 使用大小为 K 的小根堆，初始化时，要使堆中的元素个数不超过 K 个。
2. 在每次调用 add() 函数时，要将新元素 val 添加到堆中(此时，堆会自动的排序，形成小根堆)，如果此时堆中的元素个数超过了 K 个，则要把堆中的最小元素(堆顶)从当前堆中拿出来。
3. 此时堆中的最小元素(堆顶)就是整个数据流中的第 K 大的元素(因为小根堆中保留的一直是堆中的前 K 大的元素，而此时堆的大小为 K，所以堆顶元素就是整个数据流中第 K 大元素)。

---

代码

class KthLargest {

    //小根堆
    /*
	PriorityQueue是基于优先堆的一个无界队列，
	这个优先队列中的元素可以默认自然排序或者通过提供的Comparator(比较器)在队列实例化的时排序。
	用优先队列可实现大根堆和小根堆(默认是小根堆)
	*/

    PriorityQueue<Integer> pq;//声明
    int k;

    public KthLargest(int k, int[] nums) {

        this.k = k;
        pq = new PriorityQueue<Integer>();//分配内存

        //把nums数组遍历一遍
        for (int x : nums) {

            add(x);
        }
    }
    
    //添加函数
    public int add(int val) {

        pq.offer(val);//offer函数将给定元素(val)添加到此PriorityQueue中
        if (pq.size() > k) {

            /*
            对于poll()方法，它将检索队列的head元素，然后删除队列的head元素。
                如果队列为空，则它将返回null，但不会引发异常。
            */
            pq.poll();
        }
        //用于返回第一个元素，而不从此PriorityQueue中删除一个元素。
        return pq.peek();
    }
}

时间复杂度：O(n * logk)，其中 n 为初始化时 nums 的长度。
空间复杂度：O(k)，需要使用优先队列存储前 k 大的元素。

---

参考资料：
面试题警告：经典 TopK ，本题需要重点学习
数据流中的第 K 大元素