堆(Heap)与Top K问题解析：面试高频考点与实现

1. 面试焦虑与八股文背诵困境

最近在技术社区看到不少准备实习面试的同学都在抱怨同一个问题：面对海量的八股文题目，既背不完，背了也不一定能讲清楚。这种焦虑感在面试季尤为明显，特别是当看到别人已经刷了几百道题，而自己连基础概念都还没理顺的时候。

我自己当年准备面试时也经历过这个阶段。记得最清楚的是，连续三天都在死磕操作系统和网络相关的八股文，结果第二天面试官问了个"进程和线程的区别"，明明背过十几遍，现场却支支吾吾说不利索。这种挫败感确实让人崩溃。

2. 堆(Heap)与Top K问题解析

2.1 堆的基本概念与应用场景

堆是一种特殊的完全二叉树，它满足堆性质：每个节点的值都大于等于（大顶堆）或小于等于（小顶堆）其子节点的值。在面试中，堆经常被用来解决Top K类问题，比如：

• 找出数组中的前K个最大/最小元素
• 统计文本中出现频率最高的K个单词
• 实时数据流中的K个最大/最小值

堆之所以适合这类问题，是因为它的插入和删除操作时间复杂度都是O(log n)，而获取堆顶元素只需要O(1)时间。这使得我们可以在不排序整个数据集的情况下，高效地获取我们需要的部分结果。

2.2 小顶堆与大顶堆的选择

在解决Top K问题时，选择哪种堆很关键：

• 找前K个最大元素：使用小顶堆

  • 原理：维护一个大小为K的小顶堆，新元素比堆顶大就替换堆顶
  • 这样堆中始终保持当前最大的K个元素，堆顶是这K个中最小的

• 找前K个最小元素：使用大顶堆

  • 原理：维护一个大小为K的大顶堆，新元素比堆顶小就替换堆顶
  • 这样堆中始终保持当前最小的K个元素，堆顶是这K个中最大的

这个选择背后的逻辑是：我们总是淘汰掉不符合条件的候选者，保留符合条件的候选者。

2.3 实际代码实现（Java示例）

java复制// 找出数组中第K大的元素
public int findKthLargest(int[] nums, int k) {
    // 默认是小顶堆
    PriorityQueue<Integer> heap = new PriorityQueue<>();
    
    for (int num : nums) {
        heap.offer(num);
        i