数据结构——堆结构的总结

关于堆结构从以下几个方面总结关于此数据结构的问题：

• 生产中的常见问题
• 堆的定义
• 堆的基本操作
• 堆排序
• 堆在生产中的应用

---

生产中的常见问题

1. 优先队列的应用场景很广，它是如何实现的呢？
2. 如何求解TopK问题
3. TP99是生产中的一个非常重要的指标，如何快速计算

---

堆的定义

1. 堆是一颗完全二叉树，这样实现的堆也被称为二叉堆
2. 堆中节点的值都大于等于（或小于等于）其子节点的值，堆中如果节点值都大于等于其子节点的值，我们称这个数据结构就是大顶堆，反之如果都小于等于其子节点的值，那么就称为小顶堆。

（完全二叉树就是它的叶子节点都是在最后一层，并且这些叶子节点都是靠左排序的）

在上图当中1、2是属于大顶堆，3是属于小顶堆。4不属于大顶堆和小顶堆，因为在叶子节点当中不是靠左排序的。

可以注意的是无论是在大顶堆还是在小顶堆当中，节点的值都是大于左右子节点的值，并且左右子节点的值是没有特殊的规定的。（即未规定左右节点的排列方式）

问题：堆的底层该如何表示呢？
因为完全二叉树可以用数组来表示，又因为堆是一颗完全二叉树，所以堆也可以使用数组来表示。

如图示：给完全二叉树从上到下从左到右进行编号排序，则对于任意一个节点来说，很容易得知如果它在数组的位置为i，则它的左右子节点就在数组的2i和2i+1，通过这种方式可以定位到树种的每一个节点。

---

堆的基本操作

堆有两个基本的操作，构建堆（往堆中插入元素）与删除堆顶元素。

• 往堆中插入元素
  往堆中插入元素，往往是在叶子节点（最底层）先插入节点，再进行调整，直到满足堆的特点。（堆中节点值都大于等于/小于等于其子节点的值），将这个过程称为堆化（heaplify)

public class Heap {
	private int[] arr;		//堆是完全二叉树
	private int capacity;	//堆中能存储的最大元素数量
	private int n;			//当前堆中的元素
	
	public static void swap(int[] arr,int i,int j) {
		int k = arr[i];
		arr[i] = arr[j];
		arr[j] = k;
	}
	
	public Heap(int count) {
		capacity = count;
		arr = new int[capacity+1];
		n = 0;
	}
	
	public void insert(int value) {
		if(n > capacity) {
			return;		//超过了堆的大小就不可以插入元素了
		}
		n++;
		//先将元素插入到队尾中
		arr[n] = value;
		int i = n;
		//这里的判断条件就是如果插入的元素大于它的父节点，那么这个元素就需要上移
		while(i/2 > 0 && arr[i] > arr[i/2]) {
			swap(arr,i,i/2);
			i = i / 2;
		}
	}
	
	
}

这种调整方式是先将元素插入到堆的最后，然后自下而上不断进行调整比较子节点和父节点的值，称为由下而上的堆化

时间复杂度就是树的高度O(logn)

• 删除堆顶元素
  假设操作的堆是大顶堆，则删除堆顶元素后，要找到原堆中第二大的元素以填补顶堆元素，而第二大的元素无疑就是在根节点的左右节点当中，假设是左节点，则用左节点来填补堆顶元素后，左节点就空了。之后的过程就是进行不断地循环。
  
  但是，在调整后，在最终调整堆当中，出现了数组空洞，对应数组如下：
  
  解决方案：用最后一个元素覆盖堆顶元素，然后再自上而下调整堆，让其满足大顶堆的要求，即可解决数组空洞的问题。

---

问题：Java默认的数组排序（Array.sort()）底层也是用的是快速排序，时间复杂度和快速排序一样快，为什么堆排序在实际生产当中不受欢迎

主要是以下的两个原因：

1. 快速排序在递归排序过程中，都是拿pivot与相邻元素进行比较，会使用到计算机中一个非常重要的原理：局部性原理。

什么是局部性原理？可以简单理解为CPU读取到某个数据的时候，它认为这个数据附近相邻的数据也有很大概率会被用到，所以干脆将被读取到数据的附近数据也一起加载到cache当中，这样下次还需要进行读取操作的时候，就直接从cache里拿数据就可以了（无需再从内存当中进行读写操作了）。如果数据量大的话，就可以有极大的性能提升了。
堆排序无法利用局部性原理，因为在堆化的过程当中，需要不断比较节点与其左右子节点的大小，左右子节点也需要比较其左右子节点。

如图示：在节点2自上而下的堆化过程中，其要遍历的数组有4，5，9，10…中的元素，这些元素不是相邻元素，无法利用局部性原理进行提升性能

2. 我们知道堆排序的一个重要步骤是将堆顶元素进行移除，重新进行堆化，每次堆化都会导致大量的元素比较，这也是堆排序性能较差的一个原因。
3. 堆排序不是稳定排序，因为堆化开始前需要将首位和末尾元素进行交换，如果两元素值一样，那么就可能会改变他们的相对顺序。