最大堆、最小堆Java实现，解决TOP K问题

一、基础知识

1.1 什么是最大（小）堆

最大堆，最小堆类似，以下以最小堆为例进行讲解。
最小堆是满足以下条件的数据结构：

1. 它是一棵完全二叉树
2. 所有父节点的值小于或等于两个子节点的值

1.2 什么是完全二叉树

除了最后一层之外的其他每一层都被完全填充，并且所有结点都保持向左对齐。

1.3 什么是TOP K问题

Top K指的是从n（很大）个数据中，选取最大（小）的k个数据。例如学校要从全校学生中找到成绩最高的500名学生，再例如某搜索引擎要统计每天的100条搜索次数最多的关键词。

二、堆排序解决TOP K

对于TOPK问题，解决方法有很多：

方法一：对源数据中所有数据进行排序，取出前K个数据，就是TopK。

但是当数据量很大时，只需要k个最大的数，整体排序很耗时，效率不高。

方法二：维护一个K长度的数组a[]，先读取源数据中的前K个放入数组，对该数组进行升序排序，再依次读取源数据第K个以后的数据，和数组中最小的元素（a[0]）比较，如果小于a[0]直接pass，大于的话，就丢弃最小的元素a[0]，利用二分法找到其位置，然后该位置前的数组元素整体向前移位，直到源数据读取结束。

这比方法一效率会有很大的提高，但是当K的值较大的时候，长度为K的数据整体移位，也是非常耗时的。

对于这种问题，效率比较高的解决方法是使用最小堆。

2.1 最小堆思路

最小堆（小根堆）是一种数据结构，它首先是一棵完全二叉树，并且，它所有父节点的值小于或等于两个子节点的值。

最小堆的存储结构（物理结构）实际上是一个数组。如下图：

堆有几个重要操作：

BuildHeap：将普通数组转换成堆，转换完成后，数组就符合堆的特性：所有父节点的值小于或等于两个子节点的值。

Heapify(int i)：当元素i的左右子树都是小根堆时，通过Heapify让i元素下降到适当的位置，以符合堆的性质。

回到上面的取TopK问题上，用最小堆的解决方法就是：先去源数据中的K个元素放到一个长度为K的数组中去，再把数组转换成最小堆。再依次取源数据中的K个之后的数据和堆的根节点（数组的第一个元素）比较，根据最小堆的性质，根节点一定是堆中最小的元素，如果小于它，则直接pass，大于的话，就替换掉跟元素，并对根元素进行Heapify，直到源数据遍历结束。

2.2 最小堆解决TOPK

最小堆的实现：

public class MinHeap
{
   
	// 堆的存储结构 - 数组
	private int[] data;
	
	// 将一个数组传入构造方法，并转换成一个小根堆
	public MinHeap(int[] data)
	{
   
		this.data = data;
		buildHeap();
	}
	
	// 将数组转换成最小堆
	private void buildHeap()
	{
   
		// 完全二叉树只有数组下标小于或等于 (data.length) / 2 - 1 的元素有孩子结点，遍历这些结点。
		// *比如上面的图中，数组有10个元素， (data.length) / 2 - 1的值为4，a[4]有孩子结点，但a[5]没有*
        for (int i = (data.length