携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第15天，点击查看活动详情

优先队列

在之前我们已经学过栈和队列，栈是先进后出（FILO），队列是先进先出（FIFO）。今天要说的优先队列，首先它是队列的一种。入队列是正常入，不同的是，出队列按照优先级出。

实现机制

常用的实现实现形式有两种：

堆（Heap：Binary、Binomial，Fibonacci）
二叉搜索树（Binary Search Tree）

如下图一：大根堆，父节点的值要大于所有子节点的值；图二是小根堆，相反，父节点的值要小于它的所有子节点的值。

数据流中的第 K 大元素

描述

设计一个能找到数据流中第K大的树，实现KthLargest类：

实现KthLargest类初始化数据
实现add方法，不断给数据流中新增数据，动态获取数据流中第K大的数

分析

我们使用优先队列的思路来思考：目标是要得到数据流中第K大元素，而小根堆中的父节点的值是要都小于子节点的。如果K=3，而小根堆中是一个父节点，两个子节点，那父节点则是第3大的元素，不断加入新的值，再组成新的小跟堆，只需要返回父节点的值即可。思路很清晰，其实队列优先在很多语言中都有内置的类，如Java1.5就有了。在JavaScript中还没有，自己实现较复杂。我们这里就介绍下它的思路，面试中一般也很少要求来手动实现队列优先算法。

除了队列优先，还有更简单的方式。

核心就是不断对数组排序，每次新增一个元素，都需要排序，降序排序后，获取数据的第k-1个元素即可。

每次新增值都需要排序其实性能不是很好，我们可以加个判断：如果新加入的值不大于原第K大值，则不需要加入数据流再排序计算，因为小于第K值对结果就没有影响了。

程序实现

根据以上分析，程序实现如下：

var KthLargest = function(k, nums) {
  this.nums = nums
  this.getKMax = function () {
    this.nums.sort((a, b) => {
      return b - a
    })
    return this.nums[k-1]
  }
  this.kMax = this.getKMax()
};

/** 
 * @param {number} val
 * @return {number}
 */
KthLargest.prototype.add = function(val) {
  // 可能初始化nums是空
  // 后续要加入的值如果不大于当前第k个大的值，则不需要加入数据流进行比较
  if (!this.kMax || this.kMax < val) {
    this.nums.push(val)
    this.kMax = this.getKMax()
  }
  return this.kMax
};