堆

无论是在算法中，还是在系统设计的场景中，堆，看起来对于寻找最大（小）k 个数很适用。

比如在leetcode 347.前 K 个高频元素 中，需要寻找一个数组中前 k 个高频的数字。

比如在一些场景设计题目中，他会说我现在有 10 万条数据，我需要找到前 100 个最大的数。

一般来说，需要得到前 k 个元素的，都会推荐使用堆结构来处理。

算法题目中

在 leetcode 的题目中，由于他没有限制堆的大小。因此不论是使用最大堆还是最小堆，我们都能得到前 K 高频数字

系统设计题目中

在场景题目中，这里的堆就是有界队列。此时我们就需要在意应该用最大堆还是最小堆。比如我们要在 10 万个数字中找到前100 个最大的数字。那么就应该使用最小堆。

为什么呢？

最小堆，结构是各个子树的父节点总是小于子节点，因此树根节点最小。当插入一个新节点时，只需要与根节点进行比较，就知道是否应该将节点插入堆中。如果要插入的节点比根节点小，那就不能插入堆中（根节点已经是最小的，要插入的节点比根节点还小，那么肯定就不是前 k 个最大的数了）。如果要插入的节点比根节点大，那么就可以插入到堆中一个合适的位置，并且移除堆中的根节点。

Java 中堆的实现

PriorityQueue: An unbounded priority queue based on a priority heap.

Java 中的PriorityQueue 是无界的。想让他有界，可以在 add 时判断大小，如果超出你设定的大小，则弹出一个元素。

que.add(d);
if (que.size() > YOUR_LIMIT)
     que.poll();

// 这是一个小顶堆
PriorityQueue<Integer> queue = new PriorityQueue<>(5, new Comparator<Integer>() {
    @Override
    public int compare(Integer o1, Integer o2) {
        return o1-o2;
    }
});
​
// 这是一个大顶堆
PriorityQueue<Integer> queue = new PriorityQueue<>(5, new Comparator<Integer>() {
    @Override
    public int compare(Integer o1, Integer o2) {
        return o2-o1;
    }
});

通过 compare 来决定元素顺序，默认是从小到大排列，也就是小顶堆。