以前做过合并两个有序链表的问题，所以刚开始想到的解法与之类似，我们可以先合并两个有序链表，再用合并的新链表去合并第三个链表：
如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。
在开发高性能服务器中，定时器总是不可或缺的。 常见的定时器实现三种，分别是：排序链表，最小堆，时间轮。 之前用的定时器是基于最小堆的，如果程序中的定时器数量比较少，基于最小堆的定时器一般可以满足需求，且实现简单。
堆（Heap）是一种特殊的树状数据结构，通常用于实现优先队列。堆有两种主要类型：最大堆和最小堆。最大堆是一棵树，其中每个父节点的值都大于或等于其子节点的值，而最小堆是一棵树，其中每个父节点的值都小于或等于其子节点的值。堆的主要特点是根节点具有最大或最小值，这使得堆非常适合处理具有优先级的数据。 优先队列（Priority Queue）是一种抽象数据类型，通常基于堆实现。它允许在插入元素时指定优先级，并在删除元素时始终返回具有最高（或最低）优先级的元素。这使得优先队列适用于需要按优先级处理元素的应用，如任务调度、图算法（如Dijkstra算法）、模拟系统等。 以下是关于堆和优先队列的关键点：
在 未排序 的数组中找到第 k 个最大的元素。请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。
输入n个整数，找出其中最小的K个数。例如输入4,5,1,6,2,7,3,8这8个数字，则最小的4个数字是1,2,3,4,。
如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。
45节介绍了堆的概念和算法，上节介绍了Java中堆的实现类PriorityQueue，PriorityQueue除了用作优先级队列，还可以用来解决一些别的问题，45节提到了如下两个应用： 求前K个最大的元素，元素个数不确定，数据量可能很大，甚至源源不断到来，但需要知道到目前为止的最大的前K个元素。这个问题的变体有：求前K个最小的元素，求第K个最大的，求第K个最小的。 求中值元素，中值不是平均值，而是排序后中间那个元素的值，同样，数据量可能很大，甚至源源不断到来。 本节，我们就来探讨如何解决这两个问题。 求前
优先队列是计算机科学中的一类抽象数据类型。优先队列中的每个元素都有各自的优先级，优先级最高的元素最先得到服务；优先级相同的元素按照其在优先队列中的顺序得到服务。
一个支持两端插入和删除的线性集合，此接口支持容量受限和不受限的双端队列(大多数实现容量不受限)。
快速排序的 partition() 方法，会返回一个整数 j 使得 a[l…j-1] 小于等于 a[j]，且 a[j+1…h] 大于等于 a[j]，此时 a[j] 就是数组的第 j 大元素。可以利用这个特性找出数组的第 K 个元素，这种找第 K 个元素的算法称为快速选择算法。
前面几节介绍了Java中的基本容器类，每个容器类背后都有一种数据结构，ArrayList是动态数组，LinkedList是链表，HashMap/HashSet是哈希表，TreeMap/TreeSet是红黑树，本节介绍另一种数据结构 - 堆。 引入堆 之前我们提到过堆，那里，堆指的是内存中的区域，保存动态分配的对象，与栈相对应。这里的堆是一种数据结构，与内存区域和分配无关。 堆是什么结构呢？这个我们待会再细看。我们先来说明，堆有什么用？为什么要介绍它？ 堆可以非常高效方便的解决很多问题，比如说： 优先级队列
我们在说 大小根堆 时，只说了 根节点比孩子节点大，没有说 左右孩子节点谁比谁大、谁比谁小.
算法的重要性，我就不多说了吧，想去大厂，就必须要经过基础知识和业务逻辑面试+算法面试。所以，为了提高大家的算法能力，这个公众号后续每天带大家做一道算法题，题目就从LeetCode上面选 ！
描述 给定一个长度为 n 的可能有重复值的数组，找出其中不去重的最小的 k 个数。例如数组元素是4,5,1,6,2,7,3,8这8个数字，则最小的4个数字是1,2,3,4(任意顺序皆可)。 数据范围：0≤k,n≤10000，数组中每个数的大小0 ≤val≤1000 要求：空间复杂度 O(n) ，时间复杂度 O(nlogn)
做项目很多时候会用到定时任务，比如在深夜，流量较小的时候，做一些统计工作。早上定时发送邮件，更新数据库等。这里可以用Java的Timer或线程池实现。Timer可以实现，不过Timer存在一些问题。他起一个单线程，如果有异常产生，线程将退出，整个定时任务就失败。
树结构是计算机科学中一种重要且广泛应用的数据结构，它具有层级关系，被广泛用于解决各种问题。在本文中，我们将深入学习树的基本概念、遍历方式以及堆和优先队列的应用。
（友情提示：本博文章欢迎转载，但请注明出处：hankchen，http://www.blogjava.net/hankchen）
Java堆是被所有线程共享的一块内存区域，所有对象和数组都在堆上进行内存分配。为了进行高效的垃圾回收，虚拟机把堆内存划分成新生代、老年代和永久代（1.8中无永久代，使用metaspace实现）三块区域
一道经典的题目。给一堆乱序的数，如果它们从小到大排好，求第 k 个是多少。假设排列的下标从 1 开始，而非 0 开始。
The kth great number Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65768/65768 K (Java/Others) Total Submission(s): 6020 Accepted Submission(s): 2436 Problem Description Xiao Ming and Xiao Bao are playing a simple Numbers game. In a round X
* 通常我们定义一个基本数据类型的变量，一个对象的引用，还有就是函数调用的现场保存都使用内存中的栈空间； * 通过new关键字和构造器创建的对象放在堆空间； * 程序中的字面量（literal）如直接书写的100、"hello"和常量都是放在静态区中。 * 栈空间操作起来最快但是栈很小，通常大量的对象都是放在堆空间，理论上整个内存没有被其他进程使用的空间甚至硬盘上的虚拟内存都可以被当成堆空间来使用。 Eg: String str = new String("hello"); 上面的语句中变量str放在栈上，用new创建出来的字符串对象放在堆上，而"hello"这个字面量放在静态区。 补充：较新版本的Java（从Java 6的某个更新开始）中使用了一项叫"逃逸分析"的技术，可以将一些局部对象放在栈上以提升对象的操作性能。
一些项目要占用一个会议室宣讲， 会议室不能同时容纳两个项目的宣讲。 给你每一个项目开始的时间和结束的时间(给你一个数组， 里面 是一个个具体的项目)， 你来安排宣讲的日程， 要求会议室进行 的宣讲的场次最多。 返回这个最多的宣讲场次。
1、优先队列的经典问题，在1000000个元素中选出前100名元素，题型模式如在N个元素中选出前M个元素。
队列是一种受限的线性表，对于大部分线性表而言，通常除了第一个和最后一个数据元素之外，其它数据元素都是首尾相接的，对于队列而言，与普通的线性表有两点不同，其一，先来的元素在队列首,后来的只能在末尾,不允许插队。其二，只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作(也就是FIFO，先进先出)。
写在前面： 博主是一名大数据的初学者，昵称来源于《爱丽丝梦游仙境》中的Alice和自己的昵称。作为一名互联网小白，写博客一方面是为了记录自己的学习历程，一方面是希望能够帮助到很多和自己一样处于起步阶段的萌新。由于水平有限，博客中难免会有一些错误，有纰漏之处恳请各位大佬不吝赐教！个人小站:http://alices.ibilibili.xyz/ , 博客主页:https://alice.blog.csdn.net/ 尽管当前水平可能不及各位大佬，但我还是希望自己能够做得更好，因为一天的生活就是一生的缩影。
PriorityQueue 是一个优先级队列，其底层原理采用二叉堆实现。我们先来看看它的类声明：
一个已排好序的数组不一定是一个最小堆。最小堆是一种特殊的二叉树，它满足以下性质：对于任意节点 x，其父节点 y 的值都小于等于 x 的值。而一个已排好序的数组只是一个有序数组，它满足任意的元素都是按从小到大的顺序排列的，但并不一定满足最小堆的性质。因此，一个已排好序的数组不一定是一个最小堆。
在二叉搜索树（Binary Search Tree, BST）和最小堆（Min Heap）中，元素的排列顺序都是根据其关键字的大小。然而，它们之间存在着重要的区别。
设计一个找到数据流中第K大元素的类（class）。注意是排序后的第K大元素，不是第K个不同的元素。
Full GC 的成本远高于 Mirror GC 因此某些情况下，尽量让对象进入新生代，虽然大部分情况下，JVM 会尝试在 Eden 区分配对象，但是由于空间紧张，新生代的数据会提前进入老年代。因此最大限度的避免新对象直接进入老年代。
堆有两个特性： 堆是一个完全二叉树 堆中所有父节点都大于（最大堆）或者小于（最小堆）子结点。 在一般的实现中，我们可以用数组来存储堆中的元素，数组的索引用于实现结点左右孩子的查找。 最小堆的实现代码如下： import java.util.ArrayList; import java.util.List; import java.util.Random; /** * * 功能描述: 最小堆的实现 * * @version 2.0.0 * @author zhiminchen */ pu
1.添加元素：void addNum（int num），将num添加进数据结构中
要设计一个时间复杂度为 O(n log k) 的算法，将 k 个有序链表合并为一个有序链表，可以使用最小堆来实现 k 路归并。
队列是一种先进先出的数据结构。但有些情况下，操作的数据可能带有优先级，一般出队列时，可能需要优先级高的的元素先出队列。这种情况下，数据结构提供两个最基本的操作，一个是返回最高优先级对象，一个是添加新的对象，这种数据结构称之为优先级队列（Priority Queue）
堆排序是一种基于二叉堆数据结构的排序算法，它的特点是不同于传统的比较排序算法，它是通过建立一个堆结构来实现的。堆排序分为两个阶段，首先建立堆，然后逐步将堆顶元素与堆的最后一个元素交换并调整堆，使得最大（或最小）元素逐步沉到堆的末尾，完成排序。
https://blog.csdn.net/v_july_v/article/details/6279498
我：如果这个数组是动态的，每次我都要找最小值，找到之后就从数组里删除这个元素，然后下次还想找最小值，怎么整。并且这个过程中，还会不断有新的数字插入数组。
目录 前言 背景 排序策略 排序原则 如何建小堆数组 建堆策略1：向上调整 建堆策略2：向下调整 建成小堆之后 测试 具体堆源码 ---- 前言 ---- 在数据结构中我们学了堆的性质及其实现，而这里我们将讲解用堆来实现排序 背景 ---- 对给定数组进行堆排序，排成降序 排序策略 ---- 排序原则 如果是排升序那么则先将给定数组建立大堆 如果是排降序那么则先将给定数组建立小堆 注：这里排成降序，我们数组建立成一个数组小堆，对于大堆稍作修改就行了 如何建小堆数组 根位置和
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。
文心一言 VS 讯飞星火 VS chatgpt （64）-- 算法导论6.5 3题
程序里的定时器主要实现的功能是在未来的某个时间点执行相应的逻辑。在定时器模型中，一般有如下几个定义。
堆是一种重要的数据结构，为一棵完全二叉树, 底层如果用数组存储数据的话，假设某个元素为序号为i(Java数组从0开始,i为0到n-1), 如果它有左子树，那么左子树的位置是2i+1，如果有右子树，右子树的位置是2i+2，如果有父节点，父节点的位置是(n-1)/2取整。分为最大堆和最小堆，最大堆的任意子树根节点不小于任意子结点，最小堆的根节点不大于任意子结点。所谓堆排序就是利用堆这种数据结构来对数组排序，我们使用的是最大堆。处理的思想和冒泡排序，选择排序非常的类似，一层层封顶，只是最大元素的选取使用了最大堆。最大堆的最大元素一定在第0位置，构建好堆之后，交换0位置元素与顶即可。堆排序为原位排序(空间小), 且最好与最坏运行时间是都是O(nlogn)。而且堆排序还是原地算法（in-place algorithm），是渐进最优的比较排序算法。
上一篇热文《构建企业级业务高可用的延时消息中台》引起了大家的讨论，评论里讨论除了时间轮算法外的其他高性能算法实现延迟消息的定时器。这一篇文章系统的梳理主流定时器算法实现的差异以及应用地方。
JAVA集合框架：java中用来表示集合，和操作集合的所有类库的统称 JAVA中的集合从大方向分有两种：Collection 集合，Map 集合，它们都继承自Object
听这个名字就能知道，优先队列也是一种队列，只不过不同的是，优先队列的出队顺序是按照优先级来的；在有些情况下，可能需要找到元素集合中的最小或者最大元素，可以利用优先队列ADT来完成操作，优先队列ADT是一种数据结构，它支持插入和删除最小值操作（返回并删除最小元素）或删除最大值操作（返回并删除最大元素）；
最近阿里的一道面试题，其实基于多层博弈论，我想我刷过这题，我知道如何偷鸡的。我以为我在第二层，没想到我只在第一层。
理解和掌握堆（Heap）数据结构对于解决各种问题非常重要。堆是一种特殊的树形数据结构，常用于高效地维护一组元素中的最大值或最小值。本文将详细介绍Python中堆数据结构的使用，包括最小堆和最大堆，以及它们的应用场景。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
