在大规模数据处理中，经常会遇到的一类问题就是在海量数据中找出出现频率最高的前K个数，或者从海量数据中找出最大的前K个数，这类问题通常被称为top K问题。对10亿的商品日志求hash值，hash值对1024求余，将商品分到1024个文件中，在每个文件中利用

二叉堆是一种特殊的二叉树。它是一颗完全二叉树，表示树的每一层都有左侧和右侧子节点，并且最后一层的叶节点尽可能都是左侧子节点，这叫结构特性。二叉堆不是最小堆就是最大堆。最小堆允许快速导出树的最小值，最大堆允许快速导出输的最大值。

堆排序是指利用堆这种数据结构所设计的一种排序算法。因此，学习堆排序之前，有必要了解堆！我们知道，堆分为"最大堆"和"最小堆"。鉴于最大堆和最小堆是对称关系，理解其中一种即可。本文将对最大堆实现的升序排序进行详细说明。

使用优先队列理论上可以实现花费O时间的排序。对一个数组进行升序的排列，可以先将数组中的N个元素建立一个二叉堆，这个操作花费O时间，然后对该堆执行N此DeleteMin操作。每个DeleteMin操作花费了O的时间，因此总开销是O。在每次DeleteMin操

在大规模数据处理中，经常会遇到的一类问题：在海量数据中找出出现频率最好的前k个数，或者从海量数据中找出最大的前k个数，这类问题通常被称为top K问题。例如，在搜索引擎中，统计搜索最热门的10个查询词；在歌曲库中统计下载最高的前10首歌等。

简介top-k算法，其实就是寻找最大的k个数。比如一个数组：1，2，5，9，4，3，7 需要寻找最大的2个数，那么就是9和7。最早之前我接触到topk算法的时候，觉得解决思路就是排序，排完序之后，取前k个数就可以了。但是这种思路虽然简单，但是效率是很差的

前两天面试3面学长问我的这个问题，这个问题还是建立最小堆比较好一些。先拿10000个数建堆，然后一次添加剩余元素，如果大于堆顶的数，将这个数替换堆顶，并调整结构使之仍然是一个最小堆，这样，遍历完后，堆中的10000个数就是所需的最大的10000个。建堆时间

今天看Python CookBook中关于“求list中最大(最小)的N个元素”的内容，介绍了直接使用python的heapq模块的nlargest和nsmallest函数的解决方式，记得学习数据结构的时候有个堆排序算法，所以顺便研究了一下“堆”结构。父节

堆就是为了实现优先队列而设计的一种数据结构，它是通过构造二叉堆实现。根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。二叉堆还常用于排序(堆排序)。显然它是一个抽象类，最大堆和最小堆就是继承它实现的。最大堆和最小堆并没有额外的方法SplH