邢栋博客

利用二叉堆算法来实现 TopK
实现流程是：
1、先读取10个或100个数到数组里面，这就是我们的topK数.
2、调用生成小顶堆函数，把这个数组生成一个小顶堆结构，这个时候堆顶一定是最小的.
3、从文件或者数组依次遍历剩余的所有数.
4、每遍历出来一个则跟堆顶的元素进行大小比较，如果小于堆顶元素则抛弃，如果大于堆顶元素则替换之.
5、跟堆顶元素替换完毕之后，在调用生成小顶堆函数继续生成小顶堆，因为需要再找出来一个最小的.
6、重复以上4~5步骤，这样当全部遍历完毕之后，我们这个小顶堆里面的就是最大的topK，因为我们的小顶堆永远都是排除最小的留下最大的，而且这个调整小顶堆速度也很快，只是相对调整下，只要保证根节点小于左右节点就可以.
7、算法复杂度的话按top10最坏的情况下，就是每遍历一个数，如果跟堆顶进行替换，需要调整10次的情况，也要比排序速度快，而且也不是把所有的内容全部读入内存，可以理解成就是一次线性遍历.

<?php
	//为了测试运行内存调大一点
	ini_set('memory_limit', '2024M');
	//生成小顶堆函数
	function Heap(&$arr,$idx){
	    $left  = ($idx << 1) + 1;
	    $right = ($idx << 1) + 2;

	    if (!isset($arr[$left])){
	        return;
	    }
	    if(isset($arr[$right]) && $arr[$right] < $arr[$left]){
	        $l = $right;
	    }else{
	        $l = $left;
	    }

	    if ($arr[$idx] > $arr[$l]){
	         $tmp = $arr[$idx]; 
	         $arr[$idx] = $arr[$l];
	         $arr[$l] = $tmp;
	         Heap($arr,$l);
	    }
	}

	/*
	  当然这个数据集并不一定全放在内存，也可以在
	  文件里面，因为我们并不是全部加载到内存去进
	  行排序
	*/
	for($i=0;$i<500000;$i++){
	    $numArr[] = $i;    
	}
	//打乱它们
	shuffle($numArr);
	//先取出10个到数组
	$topArr = array_slice($numArr,0,10);
	//获取最后一个有子节点的索引位置
	//因为在构造小顶堆的时候是从最后一个有左或右节点的位置
	//开始从下往上不断的进行移动构造（具体可看上面的图去理解）
	$idx = floor(count($topArr) / 2) - 1;
	//生成小顶堆
	for($i=$idx;$i>=0;$i--){
	    Heap($topArr,$i);
	}

	echo time()."<hr/>";
	//这里可以看到，就是开始遍历剩下的所有元素
	for($i = count($topArr); $i < count($numArr); $i++){
	    //每遍历一个则跟堆顶元素进行比较大小
	    if ($numArr[$i] > $topArr[0]){
	        //如果大于堆顶元素则替换
	        $topArr[0] = $numArr[$i];
	        /*
	          重新调用生成小顶堆函数进行维护，只不过这次是从堆顶
	          的索引位置开始自上往下进行维护，因为我们只是把堆顶
	          的元素给替换掉了而其余的还是按照根节点小于左右节点
	          的顺序摆放这也就是我们上面说的，只是相对调整下，并
	          不是全部调整一遍
	        */
	        Heap($topArr,0);
	    }
	}
	echo "<hr/>";
	var_dump($topArr);
	echo "<hr/>".time()."<hr>";

源文链接：简书  http://www.jianshu.com/p/df71c71cdc57