【场景】大数据面试场景题 - 堆

【场景】大数据面试场景题 - 堆
之前介绍过 Bitmap、Bloom Filter 和 Hash，今天介绍堆。
【场景】大数据面试场景题 - Bitmap
【场景】大数据面试场景题 - Bloom Filter
【场景】大数据面试场景题 - Hash
适用范围：海量数据前 n 大，并且 n 比较小，堆可以放入内存。

基本原理：大顶堆求前 n 小，小顶堆求前 n 大。方法，比如求前 n 小，我们比较当前元素与大顶堆里的最大元素，如果它小于最大元素，则应该替换那个最大元素，将堆顶元素 pop 掉，再插入新元素。这样最后得到的 n 个元素就是最小的 n 个。适合大数据量，求前 n 小，n 的大小比较小的情况，这样可以扫描一遍即可得到所有的前 n 元素，效率很高。

问题实例：100 万个数中找出最大的 100 个数。

建立一个大小为 100 的小顶堆。遍历 100 万个数，堆中元素个数小于 100 时直接插入，堆中元素个数等于 100 个时与堆顶元素比较大小。如果当前元素大于堆顶元素，则将堆顶元素出堆，将该元素入堆。遍历结束后堆中的元素即为最大的 100 个元素。复杂度为 O(100w * lg100)。