堆

概念

• 堆是一个完全二叉树；（所以用数组存储）
• 堆中每一个节点的值都必须大于等于（或小于等于）其子树中每个节点的值。（根结点最大就是大顶堆，根节点最小就是小顶堆）

堆的存储：子结点下标/2 = 父节点下标（无论左右子结点）
注意：是从下标1开始存放元素 （不然上式永远也到不了下标为0 元素位置）

堆的操作

记住：

1. 插入、删除一个元素就是一次堆化过程，一次堆化时间复杂度为O(logn)，那么插入、删除n次就需要O(nlogn)。
2. 一次堆化关注结点是不会变的，直到这个结点堆化结束

1. 往堆中插入一个元素 （堆化heapify）

重点：堆和其他二叉树的区别
一次插入就是O(logn)（因为堆是一种完全二叉树，所以堆不会像其他二叉树可能退化为O(n)）!

从下往上堆化： 将插入元素变为堆最后的叶子结点

代码中也就是将插入元素放在数组最后，然后与其父节点比较、交换：子结点下标/2 = 父节点下标（无论左右子结点）
注意：数组下标以1开始存储：

//大顶堆
public class Heap {
  private int[] a; // 数组，从下标1开始存储数据
  private int n;  // 堆可以存储的最大数据个数
  private int count; // 堆中已经存储的数据个数

  public Heap(int capacity) {
    a = new int[capacity + 1];
    n = capacity;
    count = 0;
  }

  public void insert(int data) {
    if (count >= n) return; // 堆满了
    ++count;
    a[count] = data;
    int i = count;
    while (i/2 > 0 && a[i] > a[i/2]) { // 自下往上堆化
      swap(a, i, i/2); // swap()函数作用：交换下标为i和i/2的两个元素
      i = i/2;
    }
  }
  
 }

2. 删除堆顶元素

直接删除结点，然后从上往下填补，就很有可能出现数组空洞，导致堆存储不连续：

解决办法：同样是从上往下堆化，将最后一个叶子结点（数组中最后一位）填补到被删除元素位置， 再以被填元素位置为关注结点进行堆化，那么将不会出现“数组空洞”。

注意：数组下标以1开始存储：

//大顶堆
//删除堆顶元素：
public void removeMax() {
  if (count == 0) return -1; // 堆中没有数据
  a[1] = a[count];
  --count;
  heapify(a, count, 1);
}

/**
* 堆化函数是堆重要的共用函数
*/
// 自上往下堆化
private void heapify(int[] a, int n, int i) { //表示在数组a的0~n(包括n)之间堆化 初始堆化关注结点下标为i
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;//保证所换结点是两个子结点中较大的一个
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

如何基于堆实现排序？

堆排序时间复杂度非常稳定，是 O(nlogn)，并且它还是原地排序算法。

1. 建堆

• 方法一：借助插入方法（时间复杂度O(nlog​n)）【从下往上】

• 方法二：从后往前处理数组（时间复杂度 O(n)）【从上往下】

1. 先把数据全部放在数组中
2. 以最后一个非叶子结点开始为关注结点进行堆化，与其子结点比较

堆化函数：一次堆化只能保证关注结点正确堆化：

//大顶堆建堆
private static void buildHeap(int[] a, int n) {
  for (int i = n/2; i >= 1; --i) {//堆化每个非叶子结点
    heapify(a, n, i);
  }
}

//从下往上堆化(一次堆化只能保证关注结点正确堆化 整体堆化就得利用上面的for循环 堆化每个非叶子结点)
private static void heapify(int[] a, int n, int i) {//表示在数组a的0~n(包括n)之间堆化 初始堆化关注结点下标为i
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;//保证所换结点是两个子结点中较大的一个
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

2. 排序（时间复杂度O(nlogn)）

不稳定，因为存在互换操作。

由于建堆结束之后，数组中的数据已经是按照大顶堆的特性来组织的。数组中的第一个元素就是堆顶，也就是最大的元素。
思路:

1. 把堆顶元素跟最后一个元素交换，那最大元素就放到了下标为 n 的位置。
2. 将剩下的前 n−1 个元素重新构建成堆，重复上述工作。
   

sort默认的前提是已经堆化好的堆，所以能够一次堆化就能确定堆顶元素为堆中最大元素（这一次堆化就类似于删除堆顶元素后的一次堆化）：

// n表示数据的个数，数组a中的数据从下标1到n的位置。
public static void sort(int[] a, int n) {
  buildHeap(a, n);
  int k = n;
  while (k > 1) {
    swap(a, 1, k);
    --k;
    heapify(a, k, 1);
  }
}

思考题:

一、为什么快速排序要比堆排序性能好？

1，堆排序数据访问的方式没有快速排序友好

堆排序和快速排序虽然都是基于数组存储的，但是

1. 快速排序过程中，数据是局部顺序访问
2. 而堆排序过程是跳着访问的，这对CPU缓存并不友好

2，对于同样的数据，在排序过程中，堆排序算法的数据交换次数要多于快速排序

堆排一个数据就要重新建堆，交换次数肯定比快速排序要多。

二、对于完全二叉树来说，下标从 n/2​+1 到 n 的都是叶子节点，这个结论是怎么推导出来的呢？

最后一个页子结点下标为n，其父节点也就是最后一个非叶子结点下标就是n/2。。。

三、我们今天讲了堆的一种经典应用，堆排序。关于堆，你还能想到它的其他应用吗？

1. 从大数量级数据中筛选出top n 条数据； 比如：从几十亿条订单日志中筛选出金额靠前的1000条数据

2. 在一些场景中，会根据不同优先级来处理网络请求，此时也可以用到优先队列(用堆实现的数据结构)；比如：网络框架Volley就用了Java中PriorityBlockingQueue，当然它是线程安全的

3. 可以用堆来实现多路归并，从而实现有序，leetcode上也有相关的一题：Merge K Sorted Lists

堆的应用

其实就是利用堆顶元素是堆中最大（最小）的元素这个特点

一：优先级队列 （Java 的 PriorityQueue相当于一个小顶堆）

小顶堆->大顶堆：PriorityQueue< Integer > heap = new PriorityQueue<>((x,y) -> (y-x));
优先级队列是一个队列。不过，在优先级队列中，数据的出队顺序不是先进先出，而是按照优先级来，优先级最高的，最先出队。

一个堆就可以看作一个优先级队列。 很多时候，它们只是概念上的区分而已。往优先级队列中插入一个元素，就相当于往堆中插入一个元素；从优先级队列中取出优先级最高的元素，就相当于取出堆顶元素。（PriorityQueue是个队列，底层由数组实现）

1. 合并有序小文件

有 100 个小文件，每个文件的大小是 100MB，每个文件中存储的都是有序的字符串。

1. 同时开100个流对应这100个文件
2. 维护一个100大小的PriorityQueue
3. 从这 100 个文件中，各取第一个字符串，放入PriorityQueue中
4. 删除并得到堆顶元素（< T > remove()方法）后将此元素写入合并文件。
5. 再从该元素对应的小文件取下一个字符串，add(元素)到PriorityQueue中。
6. 依次类推，直到PriorityQueue中元素被取空。（注意：将所有文件都读完后，还要把PriorityQueue中元素全部取出）

注：大致思路是这样，但实现起来有点问题：要从字符串中能够知道该字符串对应哪个文件（不行的话只能用Map集合TreeMap<字符串，对应文件>）

2. 高性能定时器

这个…了解（暂时我还真实现不了）
假设我们有一个定时器，定时器中维护了很多定时任务，每个任务都设定了一个要触发执行的时间点。定时器每过一个很小的单位时间（比如 1 秒），就扫描一遍任务，看是否有任务到达设定的执行时间。如果到达了，就拿出来执行。

我们按照任务设定的执行时间，将这些任务存储在优先级队列中，队列首部（也就是小顶堆的堆顶）存储的是最先执行的任务。这样，定时器就不需要每隔 1 秒就扫描一遍任务列表了。它拿队首任务的执行时间点，与当前时间点相减，得到一个时间间隔 T。这个时间间隔 T 就是，从当前时间开始，需要等待多久，才会有第一个任务需要被执行。这样，定时器就可以设定在 T 秒之后，再来执行任务。从当前时间点到（T-1）秒这段时间里，定时器都不需要做任何事情。

二：利用堆求 Top K

1. 维护一个大小为 K 的小顶堆，顺序遍历数组，从数组中取出数据与堆顶元素比较。
2. 如果比堆顶元素大，我们就把堆顶元素删除，并且将这个元素插入到堆中；
3. 如果比堆顶元素小，则不做处理，继续遍历数组。
4. 数据都遍历完之后，堆中的数据就是前 K 大数据了。
5. 当有数据被添加到集合中时，我们就拿它与堆顶的元素对比。
6. 遍历数组需要 O(n) 的时间复杂度，一次堆化操作需要 O(logK) 的时间复杂度，所以最坏情况下，n 个元素都入堆一次，时间复杂度就是 O(nlogK)。

三：利用堆求中位数（百分位的数据）

1. 维护两个堆，一个大顶堆，一个小顶堆。
2. 小顶堆中的数据都大于大顶堆中的数据。（大顶堆存小数据，小顶堆存大数据）
3. 遍历数据：如果新加入的数据小于等于大顶堆的堆顶元素，我们就将这个新数据插入到大顶堆；否则，我们就将这个新数据插入到小顶堆。
4. 遍历完所有数据后，开始移动数据：大顶堆堆顶元素往小顶堆中移，或者小顶堆堆顶元素往大顶堆上移动。（按照百分位平衡两个顶堆数量就可（如中位数就各占50%的数据），最终数据就在顶堆上）

个人观点：只维护一个大顶堆，将所有数据都堆化到大顶堆后，再将多余的数据依次从堆顶移除（或者移除到一个小顶堆）。此过程少了n次元素对比，效率也许更高。

回顾解答：如何快速求接口的 99% 响应时间？

什么是99% 响应时间？（就是图中99这个值）

维护一个大顶堆、一个小顶堆将数据（当然是无序的）遍历…(相信你懂了😴)

实战

有一个包含 10 亿个搜索关键词的日志文件，如何快速获取到 Top 10 最热门的搜索关键词呢？（要求单机内存为 1GB）

思路：

1. 先考虑怎么获得Top10 ===> 立马想到 堆
2. 最热门 ===> 出现次数最多的前十个关键字
3. 需要计算每个关键字出现的次数
4. 亿级数据的一次性操作 ===> hash算法

解决办法：

1. 创建 10 个空文件 00，01，02，……，09。
2. 遍历这 10 亿个关键词，并且通过某个哈希算法对其求哈希值，然后哈希值同 10 取模，得到的结果就是这个搜索关键词应该被分到的文件编号。
3. 对这 10 亿个关键词分片之后，每个文件都只有 1 亿的关键词。
4. 读取一个文件，构架一个散列表（遇见重复的value+1）（去除掉重复的，可能就只有 1000 万个，每个关键词平均 50 个字节，所以总的大小就是 500MB。）
5. 维护一个大小为10的堆，遍历散列表，与堆顶元素比较、堆化。
6. 重复4、5，读完每个文件。
7. 最终堆中10个关键字就是Top 10。

思考题：有一个访问量非常大的新闻网站，我们希望将点击量排名 Top 10 的新闻摘要，滚动显示在网站首页 banner 上，并且每隔 1 小时更新一次。如果你是负责开发这个功能的工程师，你会如何来实现呢？