建堆解决TopK问题

对于找海量的数据中最大（小）个数据的问题被称为TopK问题。
解决这个问题的方法有很多比如排序然后相应的取前K个数据，排序的算法有很多种，其中不乏时间复杂度低的，可问题很多排序算法都需要将所有数据同时加载到内存中去处理，海量数据加载到内存中这无疑是一个很废内存空间的操作，而建堆解决TopK问题就可以解决这个问题。
先将建堆操作的结论告诉大家：

1. 要TopK最大的就建小堆
2. 要TopK最小的就建大堆

为什么要反着来呢？
我们来讨论具体操作思路。拿TopK最大举例，要找K个最大数据就先建立一个能放K个数据的小堆，然后对于数据依次遍历数据进行以下循环：

1. 拿遍历的当前数据和堆顶元素比较大小，如果比堆顶元素小就跳过当前数据。
2. 如果比堆顶元素大，那就把堆顶元素赋值为这个数据，然后对堆的结构进行调整（向下调整）
3. 调整之后去遍历下个数据此次循环结束

我们给堆中K个数据就起名TopK，如果每次遍历的过程中遍历的数据比TopK的最小的还小他就没有资格进堆，只有它比最小的堆顶元素大了他才能把堆顶元素取而代之，遍历的过程就是把小的一一淘汰了，最终遍历完所有数据之后堆中数据也就是所有数据中最大的K个了，大家照着上图去思考就能明白。
说完了TopK最大的，要通过建立小堆去完成，相应的TopK最小的，要建立大堆去完成就很好理解了。