乙個基本的是思想是分治法，將1億個資料分成100份，每份100萬個資料，找出每份中最大的100個，最終可以在這100*100個資料中找出最大的100個。
我們知道，快排一次的結果是分界點前面的資料比他小，分界點後的比他大，我們可以做如下的討論
如果分界點後面的資料個數大於k個，那麼可以在後面的資料中重複上述過程
如果分界點後面的資料個數小於k個，其個數為m個，那麼可以在前面的資料中找到k-m個最大的
因此，我們總可以在這一堆資料中找到前k個比較大的
容易證明，小頂堆的堆頂元素是最小的，維護乙個k個資料的小頂堆，依次讀入乙個元素，若元素大於堆頂元素，則將堆頂元素移除，當前元素插入堆頂，並進行調整。
維護乙個k長的優先順序佇列，不斷把優先順序低的陣列出隊，最終剩下來的就是前k個最大的
在這個問題中，我們需要構造乙個map來統計頻率，然後問題轉化為計算value值屬於錢k大的問題，這時可以套用基本的topk問題
參考文獻：十道海量資料處理面試題與十個方法大總結
海量資料 TopK問題
在海量資料中找出出現頻率最高的前k個數，或者從海量資料中找出最大的前k個數，這類問題通常被稱為topk問題。下面我們通過乙個簡單的例子來說明 假如面試官給你100w個資料，請找出其最大的前k個數，而且現在只有1m的空間？在32位作業系統中，預設乙個位元組為4個位元組，則有下列運算 needsize ...
海量資料topK問題
給你一億個資料，從中找出前k個大的資料。有兩種解決辦法。1.直接將資料從大到小排序，然後取前k個。但是由於資料的數量過於龐大，要開闢很大的空間，很浪費記憶體，所以這種方法不建議使用。2.用堆來解決。要找前k個大的資料，則將待找的元素的前k個元素建立大小為k的小根堆，小根堆的堆頂元素是這k個資料中最小...
求海量資料的topK問題
問題描述 取給定list中的前topk個最大的元素並輸出。關鍵點 1.topk個最大的元素 2.我們並不需要順序，因此一切涉及到sort的工作都是不必要的。3.要且只要topk個元素，no more needed！因此，我們雖然用堆，但並不需要將整個list都建成堆，只需要維護乙個k個元素的堆即可。...