Java最小堆解决TopK问题

原文

TopK问题是指从大量数据（源数据）中获取最大（或最小）的K个数据。

TopK问题是个很常见的问题：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。

对于这个问题，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。

最小堆（小根堆）是一种数据结构，它首先是一颗完全二叉树，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：

最小堆和数组之间的关系：父节点=a[i],左叶子=2(a[i] + 1) - 1,右叶子=2(a[i]+1)

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，就替换掉根元素，并对根元素进行Heapify，直到源数据遍历结束。

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) / 2 - 1; i >= 0; i--)           {              // 对有孩子结点的元素heapify              heapify(i);          }      }            private void heapify(int i)      {          // 获取左右结点的数组下标          int l = left(i);            int r = right(i);                    // 这是一个临时变量，表示 跟结点、左结点、右结点中最小的值的结点的下标          int smallest = i;                    // 存在左结点，且左结点的值小于根结点的值          if (l < data.length && data[l] < data[i])                smallest = l;                      // 存在右结点，且右结点的值小于以上比较的较小值          if (r < data.length && data[r] < data[smallest])                smallest = r;                      // 左右结点的值都大于根节点，直接return，不做任何操作          if (i == smallest)                return;                      // 交换根节点和左右结点中最小的那个值，把根节点的值替换下去          swap(i, smallest);                    // 由于替换后左右子树会被影响，所以要对受影响的子树再进行heapify          heapify(smallest);      }            // 获取右结点的数组下标      private int right(int i)      {            return (i + 1) << 1;        }           // 获取左结点的数组下标      private int left(int i)       {            return ((i + 1) << 1) - 1;        }            // 交换元素位置      private void swap(int i, int j)       {            int tmp = data[i];            data[i] = data[j];            data[j] = tmp;        }            // 获取堆中的最小的元素，根元素      public int getRoot()      {              return data[0];      }        // 替换根元素，并重新heapify      public void setRoot(int root)      {          data[0] = root;          heapify(0);      }  }  

利用最小堆获取TopK：

public class TopK  {      public static void main(String[] args)      {          // 源数据          int[] data = {56,275,12,6,45,478,41,1236,456,12,546,45};            // 获取Top5          int[] top5 = topK(data, 5);                    for(int i=0;i<5;i++)          {              System.out.println(top5[i]);          }      }            // 从data数组中获取最大的k个数      private static int[] topK(int[] data,int k)      {          // 先取K个元素放入一个数组topk中          int[] topk = new int[k];           for(int i = 0;i< k;i++)          {              topk[i] = data[i];          }                    // 转换成最小堆          MinHeap heap = new MinHeap(topk);                    // 从k开始，遍历data          for(int i= k;i<data.length;i++)          {              int root = heap.getRoot();                            // 当数据大于堆中最小的数（根节点）时，替换堆中的根节点，再转换成堆              if(data[i] > root)              {                  heap.setRoot(data[i]);              }          }                    return topk;  }  }  

执行效果：