【堆与优先队列】堆与优先队列:“数据金字塔“与“我是VIP“

一、概述

1. 案例介绍

堆(Heap)和 优先队列(Priority Queue)是紧密相关的数据结构,都用于高效地管理元素并根据优先级(通常是最大值或最小值)进行访问。优先队列通常使用堆来实现。
案例会介绍堆和优先队列的基本概念、常用方法,最终使用堆和优先队列完成一个简单的系统开发。
本案例相关实验将在华为云开发者空间云主机进行,开发者空间云主机为开发者提供了高效稳定的云资源,确保用户的数据安全。云主机当前已适配完整的C/C++开发环境,支持VS Code等多种IDE工具安装调测。

2. 适用对象

  • 个人开发者
  • 高校学生

3. 案例时间

本案例总时长预计60分钟。

4. 案例流程

说明:

  1. 开通开发者空间,搭建C/C++开发环境;
  2. 打开VS Code,编写代码运行程序。

资源总览

本案例预计花费0元。

资源名称规格单价(元)时长(分钟)
云主机鲲鹏通用计算增强型 kC2 | 4vCPUs | 8G | Ubuntu免费60
VS Code1.97.2免费60

最新案例动态,请查阅 《【堆与优先队列】“数据金字塔”与“我是VIP”》。小伙伴快来领取华为开发者空间进行实操吧!

二、配置实验环境

1. 开发者空间配置

面向广大开发者群体,华为开发者空间提供一个随时访问的“开发桌面云主机”、丰富的“预配置工具集合”和灵活使用的“场景化资源池”,开发者开箱即用,快速体验华为根技术和资源。

如果还没有领取开发者空间云主机,可以参考免费领取云主机文档领取。

领取云主机后可以直接进入华为开发者空间工作台界面,点击打开云主机 > 进入桌面连接云主机。

2. 配置实验环境

参考案例中心《基于开发者空间,定制C&C++开发环境云主机镜像》“2. 实验环境搭建”、“3. VS Code安装部署”章节完成开发环境、VS Code及插件安装。

三、堆和优先队列的基本操作

1. 基本概念

堆(Heap)是一种特殊的完全二叉树,可以简洁地使用数组表示和维护。堆适合于需要维护最值的场景,它满足父节点的值总是不大于或不小于其子节点的值。将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。

优先级队列(PriorityQueue)是0个或多个元素的集合,每个元素都有一个优先权;对优先级队列执行的操作有查找、插入、删除。一般情况下,查找操作用来搜索优先权最大的元素,删除操作用来删除该元素。对于优先权相同的元素,可按先进先出次序处理或按任意优先权进行。

2. 堆的操作

1)堆的插入(Insert / Push / Offer):

  • 将新元素添加到数组末尾(堆的最后一个叶子节点位置)。
  • 上浮 (Percolate Up / Sift Up / Swim): 比较新节点与其父节点的值。
    最大堆:如果新节点值 > 父节点值,则交换它们的位置。
    最小堆:如果新节点值 < 父节点值,则交换它们的位置。
  • 重复步骤上浮,直到新节点找到合适的位置(满足堆序性),或者到达根节点。
  • 时间复杂度:O(log n) (树的高度)。

下面我们实现一个最小堆的插入操作,代码如下:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
class MinHeap {
private:
    vector<int> heap;
    // 上浮调整(从当前节点向根节点调整)
    void siftUp(int index) {
        while (index > 0) {
            // 计算父节点索引
            int parentIndex = (index - 1) / 2; 
            if (heap[parentIndex] <= heap[index]) 
                break; // 如果父节点更小,满足最小堆性质
            // 交换父子节点
            swap(heap[parentIndex], heap[index]); 
            // 继续向上检查
            index = parentIndex;  
        }
    }

public:
    // 插入新元素
    void insert(int value) {
        // 1. 将新元素添加到堆末尾
        heap.push_back(value);  
        // 2. 从新元素位置进行上浮调整    
        siftUp(heap.size() - 1);    
    }

    // 打印堆内容(辅助函数)
    void printHeap() {
        for (int val : heap) 
            cout << val << " ";
        cout << endl;
    }
};

int main() {
    MinHeap heap;
    // 插入示例
    heap.insert(10);
    heap.insert(5);
    heap.insert(15);
    heap.insert(2);
    heap.insert(7);
    cout << "最小堆内容: ";
    heap.printHeap();  // 输出应为:2 5 15 10 7
    return 0;
}

点击编辑器左上角运行按钮直接运行。

输出内容截图如下:

2)堆排序 (Heap Sort):
堆排序是一种高效的比较类排序算法,时间复杂度为O(n log n),并且具有原地排序(空间复杂度O(1))的优点。下面我将实现一个完整的堆排序程序。
关键函数:heapify。

void heapify(vector<int>& arr, int n, int i) {
    int largest = i;        // 初始化最大元素为根节点
    int left = 2 * i + 1;   // 左子节点
    int right = 2 * i + 2;  // 右子节点

    // 比较左子节点
    if (left < n && arr[left] > arr[largest])
        largest = left;

    // 比较右子节点
    if (right < n && arr[right] > arr[largest])
        largest = right;

    // 如果最大值不是根节点
    if (largest != i) {
        swap(arr[i], arr[largest]);  // 交换
        heapify(arr, n, largest);    // 递归调整子树
    }
}

完整代码如下:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

// 堆调整函数(大顶堆)
void heapify(vector<int>& arr, int n, int i) {
    int largest = i;        // 初始化最大元素为根节点
    int left = 2 * i + 1;   // 左子节点
    int right = 2 * i + 2;  // 右子节点

    // 如果左子节点存在且大于根节点
    if (left < n && arr[left] > arr[largest])
        largest = left;

    // 如果右子节点存在且大于当前最大值
    if (right < n && arr[right] > arr[largest])
        largest = right;

    // 如果最大值不是根节点
    if (largest != i) {
        swap(arr[i], arr[largest]);  // 交换
        heapify(arr, n, largest);    // 递归调整子树
    }
}

// 堆排序主函数
void heapSort(vector<int>& arr) {
    int n = arr.size();
    
    // 1. 构建大顶堆(从最后一个非叶子节点开始)
    for (int i = n / 2 - 1; i >= 0; i--)
        heapify(arr, n, i);
    
    // 2. 逐个提取元素(交换堆顶和末尾元素,然后调整堆)
    for (int i = n - 1; i > 0; i--) {
        swap(arr[0], arr[i]);  // 将当前最大值移到数组末尾
        heapify(arr, i, 0);    // 调整剩余元素组成的堆
    }
}

// 打印数组
void printArray(const vector<int>& arr) {
    for (int num : arr)
        cout << num << " ";
    cout << endl;
}

int main() {
    vector<int> arr = {12, 11, 13, 5, 6, 7, 20, 1, 8};
    
    cout << "排序前数组: ";
    printArray(arr);
    
    heapSort(arr);
    
    cout << "堆排序后数组: ";
    printArray(arr);
    
    // 测试不同情况
    vector<int> empty = {};
    vector<int> single = {5};
    vector<int> sorted = {1, 2, 3, 4, 5};
    vector<int> reverse = {9, 8, 7, 6, 5};
    vector<int> duplicates = {3, 1, 4, 1, 5, 9, 2, 6, 5};
    
    cout << "\n测试空数组: ";
    heapSort(empty);
    printArray(empty);
    
    cout << "测试单元素数组: ";
    heapSort(single);
    printArray(single);
    
    cout << "测试已排序数组: ";
    heapSort(sorted);
    printArray(sorted);
    
    cout << "测试逆序数组: ";
    heapSort(reverse);
    printArray(reverse);
    
    cout << "测试重复元素数组: ";
    heapSort(duplicates);
    printArray(duplicates);
    
    return 0;
}

点击编辑器左上角运行按钮直接运行。

输出内容截图如下:

3)删除堆顶元素 (DeleteMax / DeleteMin / Poll):

  • 移除根节点元素(即数组的第一个元素)。
  • 将数组的最后一个元素(最后一个叶子节点)移动到根节点位置。
  • 下沉 (Percolate Down / Sift Down / Heapify / Sink): 比较新的根节点与其较大的(最大堆)或较小的(最小堆)子节点的值。
  • 重复下沉,直到该节点找到合适的位置(满足堆序性),或者到达叶子节点。
  • 时间复杂度:O(log n) (树的高度)。

删除代码样例如下,代码中添加了详细的输出信息,帮助理解求解过程:

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

class MinHeap {
private:
    vector<int> heap;

    // 获取父节点索引
    int parent(int i) { return (i - 1) / 2; }

    // 获取左子节点索引
    int leftChild(int i) { return 2 * i + 1; }

    // 获取右子节点索引
    int rightChild(int i) { return 2 * i + 2; }

    // 从指定位置开始向下调整堆
    void heapifyDown(int i) {
        int smallest = i;          // 初始化最小值位置
        int left = leftChild(i);    // 左子节点索引
        int right = rightChild(i);  // 右子节点索引
        int size = heap.size();

        // 与左子节点比较
        if (left < size && heap[left] < heap[smallest])
            smallest = left;

        // 与右子节点比较
        if (right < size && heap[right] < heap[smallest])
            smallest = right;

        // 如果最小值不是当前节点,则交换并递归调整
        if (smallest != i) {
            swap(heap[i], heap[smallest]);
            heapifyDown(smallest);  // 递归调整子树
        }
    }

public:
    // 删除堆顶元素
    void deleteTop() {
        if (heap.empty()) {
            cerr << "Heap is empty!" << endl;
            return;
        }

        // 将最后一个元素移到堆顶
        heap[0] = heap.back();
        heap.pop_back();

        // 从根节点开始向下调整
        heapifyDown(0);
    }

    // 插入元素
    void insert(int value) {
        heap.push_back(value);  // 添加到末尾
        int i = heap.size() - 1;

        // 向上调整
        while (i != 0 && heap[i] < heap[parent(i)]) {
            swap(heap[i], heap[parent(i)]);
            i = parent(i);
        }
    }

    // 获取堆顶元素
    int getTop() {
        if (heap.empty()) {
            cerr << "Heap is empty!" << endl;
            return -1; // 返回错误值
        }
        return heap[0];
    }

    // 打印堆
    void printHeap() {
        for (int val : heap)
            cout << val << " ";
        cout << endl;
    }
};

int main() {
    MinHeap heap;

    // 构建堆 [5, 3, 8, 1, 2]
    heap.insert(5);
    heap.insert(3);
    heap.insert(8);
    heap.insert(1);
    heap.insert(2);

    cout << "初始堆: ";
    heap.printHeap();  // 输出: 1 2 8 5 3(实际结构可能不同)

    // 删除堆顶
    heap.deleteTop();
    cout << "删除堆顶后: ";
    heap.printHeap();  // 输出: 2 3 8 5(堆结构)

    // 再删除一次
    heap.deleteTop();
    cout << "再删除堆顶后: ";
    heap.printHeap();  // 输出: 3 5 8(堆结构)

    return 0;
}

输出内容截图如下:

3. 优先队列的操作

1)优先队列的入队和出队(Enqueue / Push / Offer & Dequeue / Pop / Poll):
我们以push做入队操作,以pop做出队操作,分别以最大堆和最小堆实现优先队列的入队和出队。代码如下:

#include <iostream>
#include <queue>
#include <vector>
#include <functional> // 用于greater<int>
using namespace std;

int main() {
    cout << "========== C++优先级队列操作演示 ==========\n" << endl;
    
    // 案例1: 最大堆(默认)的入队和出队操作
    cout << "案例1: 最大堆操作" << endl;
    priority_queue<int> maxHeap;
    
    // 入队操作
    cout << "入队操作: 添加元素 30, 10, 50, 20, 40" << endl;
    maxHeap.push(30);
    maxHeap.push(10);
    maxHeap.push(50);
    maxHeap.push(20);
    maxHeap.push(40);
    
    cout << "当前队列内容: ";
    while (!maxHeap.empty()) {
        cout << maxHeap.top() << " "; // 查看队首元素
        maxHeap.pop(); // 出队操作
    }
    cout << "\n(注意: 元素从大到小出队)\n" << endl;
    
    // 案例2: 最小堆的入队和出队操作
    cout << "案例2: 最小堆操作" << endl;
    priority_queue<int, vector<int>, greater<int>> minHeap;
    
    // 入队操作
    cout << "入队操作: 添加元素 30, 10, 50, 20, 40" << endl;
    minHeap.push(30);
    minHeap.push(10);
    minHeap.push(50);
    minHeap.push(20);
    minHeap.push(40);
    
    cout << "当前队列内容: ";
    while (!minHeap.empty()) {
        cout << minHeap.top() << " "; // 查看队首元素
        minHeap.pop(); // 出队操作
    }
    cout << "\n(注意: 元素从小到大出队)\n" << endl;
    
    return 0;
}

输出内容截图:

2)优先队列的判空和获取大小(empty() & size()):
我们分别以最大堆和最小堆实现判空操作获取大小。代码如下:

#include <iostream>
#include <queue>
#include <vector>
#include <functional>
using namespace std;

int main() {
    cout << "====优先级队列判空与大小操作 ====\n" << endl;
    
    //判空操作演示
    cout << "判空操作" << endl;
    
    // 创建一个空的最大堆
    priority_queue<int> maxHeap;
    
    // 检查队列是否为空
    cout << "初始队列是否为空? " << (maxHeap.empty() ? "是" : "否") << endl;
    
    // 添加一些元素
    cout << "\n添加三个元素: 50, 30, 40" << endl;
    maxHeap.push(50);
    maxHeap.push(30);
    maxHeap.push(40);
    
    // 再次检查队列是否为空
    cout << "添加元素后队列是否为空? " << (maxHeap.empty() ? "是" : "否") << endl;
    
    // 清空队列
    cout << "\n清空队列..." << endl;
    while (!maxHeap.empty()) {
        maxHeap.pop();
    }
    
    // 最终检查队列是否为空
    cout << "清空后队列是否为空? " << (maxHeap.empty() ? "是" : "否") << endl;
    cout << "-----------------------------\n" << endl;
    
    // 获取队列大小操作
    cout << "获取队列大小" << endl;
    
    // 创建一个最小堆
    priority_queue<int, vector<int>, greater<int>> minHeap;
    
    // 初始大小
    cout << "初始队列大小: " << minHeap.size() << endl;
    
    // 添加元素并显示大小变化
    cout << "\n添加元素: 10" << endl;
    minHeap.push(10);
    cout << "当前队列大小: " << minHeap.size() << endl;
    
    cout << "添加元素: 20" << endl;
    minHeap.push(20);
    cout << "当前队列大小: " << minHeap.size() << endl;
    
    // 移除元素并显示大小变化
    cout << "\n移除一个元素..." << endl;
    minHeap.pop();
    cout << "当前队列大小: " << minHeap.size() << endl;
    
    cout << "再移除一个元素..." << endl;
    minHeap.pop();
    cout << "当前队列大小: " << minHeap.size() << endl;
    
    // 尝试在空队列上操作
    cout << "\n尝试在空队列上移除元素..." << endl;
    if (!minHeap.empty()) {
        minHeap.pop();
    } else {
        cout << "队列为空,无法执行pop操作" << endl;
    }
    cout << "----------------------------------------\n" << endl;
    return 0;
}

输出内容文本显示:

====优先级队列判空与大小操作 ====

判空操作
初始队列是否为空? 是

添加三个元素: 50, 30, 40
添加元素后队列是否为空? 否

清空队列...
清空后队列是否为空? 是
-----------------------------

获取队列大小
初始队列大小: 0

添加元素: 10
当前队列大小: 1
添加元素: 20
当前队列大小: 2

移除一个元素...
当前队列大小: 1
再移除一个元素...
当前队列大小: 0

尝试在空队列上移除元素...
队列为空,无法执行pop操作
----------------------------------------

四、医院急诊分诊系统

下面我将使用堆(手动实现)和优先队列(STL)分别实现一个医院急诊分诊系统。该系统根据病情的严重程度对患者进行优先级排序,确保最危急的患者最先得到治疗。

#include <iostream>
#include <vector>
#include <queue>
#include <ctime>
#include <iomanip>
#include <thread> 
#include <chrono> 
using namespace std;

//患者结构体
struct Patient {
    string name;
    // 病情严重程度:1-危重(最高) 2-紧急 3-中度 4-轻度(最低)
    int severity;   
    // 到达时间    
    time_t arrivalTime; 
    
    Patient(string n, int s) : name(n), severity(s) {
        // 记录到达时间
        arrivalTime = time(nullptr); 
    }
    
    // 重载比较运算符(用于STL优先队列)
    bool operator<(const Patient& other) const {
        // 优先比较严重程度(数值越小越严重)
        if (severity != other.severity) {
            // 注意:优先队列默认最大堆,所以反转比较
            return severity > other.severity; 
        }
        // 严重程度相同时,比较到达时间(先到先服务)
        return arrivalTime > other.arrivalTime;
    }
};

// 手动实现的堆(最小堆)
class MinHeap {
private:
    vector<Patient> heap;
    
    // 获取父节点索引
    int parent(int i) { return (i - 1) / 2; }
    
    // 获取左子节点索引
    int leftChild(int i) { return 2 * i + 1; }
    
    // 获取右子节点索引
    int rightChild(int i) { return 2 * i + 2; }
    
    // 堆化向上调整
    void heapifyUp(int i) {
        while (i > 0) {
            int p = parent(i);
            // 比较严重程度
            if (heap[p].severity > heap[i].severity || 
                (heap[p].severity == heap[i].severity && 
                 heap[p].arrivalTime > heap[i].arrivalTime)) {
                swap(heap[p], heap[i]);
                i = p;
            } else {
                break;
            }
        }
    }
    
    // 堆化向下调整
    void heapifyDown(int i) {
        int smallest = i;
        int left = leftChild(i);
        int right = rightChild(i);
        int size = heap.size();
        
        // 找出最紧急的患者(严重程度最小,相同则最早到达)
        if (left < size) {
            if (heap[left].severity < heap[smallest].severity ||
                (heap[left].severity == heap[smallest].severity && 
                 heap[left].arrivalTime < heap[smallest].arrivalTime)) {
                smallest = left;
            }
        }
        
        if (right < size) {
            if (heap[right].severity < heap[smallest].severity ||
                (heap[right].severity == heap[smallest].severity && 
                 heap[right].arrivalTime < heap[smallest].arrivalTime)) {
                smallest = right;
            }
        }
        
        // 如果需要交换,则递归调整
        if (smallest != i) {
            swap(heap[i], heap[smallest]);
            heapifyDown(smallest);
        }
    }

public:
    // 添加患者
    void addPatient(const Patient& p) {
        heap.push_back(p);
        heapifyUp(heap.size() - 1);
    }
    
    // 治疗下一个患者
    Patient treatNext() {
        if (heap.empty()) {
            throw runtime_error("没有患者等待治疗");
        }
        
        Patient next = heap[0];
        heap[0] = heap.back();
        heap.pop_back();
        
        if (!heap.empty()) {
            heapifyDown(0);
        }
        
        return next;
    }
    
    // 查看下一个患者
    Patient peekNext() const {
        if (heap.empty()) {
            throw runtime_error("没有患者等待治疗");
        }
        return heap[0];
    }
    
    // 检查是否为空
    bool isEmpty() const {
        return heap.empty();
    }
    
    // 获取等待患者数量
    int patientCount() const {
        return heap.size();
    }
    
    // 打印当前等待患者
    void printQueue() const {
        if (heap.empty()) {
            cout << "当前没有患者等待" << endl;
            return;
        }
        
        cout << "当前等待患者 (" << heap.size() << "人):" << endl;
        cout << "==========================================" << endl;
        cout << left << setw(15) << "姓名" << setw(10) << "严重程度" << "到达时间" << endl;
        cout << "------------------------------------------" << endl;
        
        for (const auto& p : heap) {
            cout << left << setw(15) << p.name;
            cout << setw(10);
            switch (p.severity) {
                case 1: cout << "危重"; break;
                case 2: cout << "紧急"; break;
                case 3: cout << "中度"; break;
                case 4: cout << "轻度"; break;
            }
            // 修正时间显示
            cout << ctime(&p.arrivalTime); 
        }
        cout << "==========================================" << endl;
    }
};

// 打印时间差(用于显示等待时间)
void printWaitTime(time_t arrival) {
    time_t now = time(nullptr);
    double diff = difftime(now, arrival);
    int minutes = static_cast<int>(diff) / 60;
    cout << "(等待时间: " << minutes << "分钟)";
}

int main() {
    cout << "========== 医院急诊分诊系统 ==========\n" << endl;
    cout << "病情严重程度定义:\n";
    cout << "1-危重(最高) 2-紧急 3-中度 4-轻度(最低)\n" << endl;
    
    // 使用手动实现的堆
    cout << "===== 使用手动实现的堆 =====" << endl;
    MinHeap heapTriage;
    
    // 添加患者
    heapTriage.addPatient(Patient("张三", 3)); // 中度
    heapTriage.addPatient(Patient("李四", 1)); // 危重
    heapTriage.addPatient(Patient("王五", 2)); // 紧急
    heapTriage.addPatient(Patient("赵六", 4)); // 轻度
    heapTriage.addPatient(Patient("钱七", 1)); // 危重
    heapTriage.addPatient(Patient("孙八", 3)); // 中度
    
    // 显示当前队列
    heapTriage.printQueue();
    
    // 治疗患者
    cout << "\n开始治疗患者..." << endl;
    while (!heapTriage.isEmpty()) {
        Patient next = heapTriage.peekNext();
        cout << "治疗: " << next.name << " [严重程度: ";
        switch (next.severity) {
            case 1: cout << "危重"; break;
            case 2: cout << "紧急"; break;
            case 3: cout << "中度"; break;
            case 4: cout << "轻度"; break;
        }
        cout << "] ";
        printWaitTime(next.arrivalTime);
        cout << endl;
        
        heapTriage.treatNext(); // 治疗该患者
        
        // 模拟治疗间隔 - 使用正确的命名空间
        this_thread::sleep_for(chrono::seconds(1));
    }
    
    // 使用STL优先队列
    cout << "\n\n===== 使用STL优先队列 =====" << endl;
    priority_queue<Patient> pqTriage;
    
    // 添加患者
    pqTriage.push(Patient("张三", 3)); // 中度
    pqTriage.push(Patient("李四", 1)); // 危重
    pqTriage.push(Patient("王五", 2)); // 紧急
    pqTriage.push(Patient("赵六", 4)); // 轻度
    pqTriage.push(Patient("钱七", 1)); // 危重
    pqTriage.push(Patient("孙八", 3)); // 中度
    
    // 治疗患者
    cout << "\n开始治疗患者..." << endl;
    while (!pqTriage.empty()) {
        Patient next = pqTriage.top();
        cout << "治疗: " << next.name << " [严重程度: ";
        switch (next.severity) {
            case 1: cout << "危重"; break;
            case 2: cout << "紧急"; break;
            case 3: cout << "中度"; break;
            case 4: cout << "轻度"; break;
        }
        cout << "] ";
        printWaitTime(next.arrivalTime);
        cout << endl;
        
        pqTriage.pop(); // 治疗该患者
        
        // 模拟治疗间隔 - 使用正确的命名空间
        this_thread::sleep_for(chrono::seconds(1));
    }
    
    cout << "\n所有患者治疗完成!" << endl;
    cout << "================================" << endl;
    
    return 0;
}

输出内容文本显示:

========== 医院急诊分诊系统 ==========

病情严重程度定义:
1-危重(最高) 2-紧急 3-中度 4-轻度(最低)

===== 使用手动实现的堆 =====
当前等待患者 (6人):
==========================================
姓名         严重程度到达时间
------------------------------------------
李四         危重    Thu Jun 26 11:06:25 2025
钱七         危重    Thu Jun 26 11:06:25 2025
王五         紧急    Thu Jun 26 11:06:25 2025
赵六         轻度    Thu Jun 26 11:06:25 2025
张三         中度    Thu Jun 26 11:06:25 2025
孙八         中度    Thu Jun 26 11:06:25 2025
==========================================

开始治疗患者...
治疗: 李四 [严重程度: 危重] (等待时间: 0分钟)
治疗: 钱七 [严重程度: 危重] (等待时间: 0分钟)
治疗: 王五 [严重程度: 紧急] (等待时间: 0分钟)
治疗: 孙八 [严重程度: 中度] (等待时间: 0分钟)
治疗: 张三 [严重程度: 中度] (等待时间: 0分钟)
治疗: 赵六 [严重程度: 轻度] (等待时间: 0分钟)


===== 使用STL优先队列 =====

开始治疗患者...
治疗: 李四 [严重程度: 危重] (等待时间: 0分钟)
治疗: 钱七 [严重程度: 危重] (等待时间: 0分钟)
治疗: 王五 [严重程度: 紧急] (等待时间: 0分钟)
治疗: 孙八 [严重程度: 中度] (等待时间: 0分钟)
治疗: 张三 [严重程度: 中度] (等待时间: 0分钟)
治疗: 赵六 [严重程度: 轻度] (等待时间: 0分钟)

所有患者治疗完成!
================================

至此,【堆与优先队列】“数据金字塔”与“我是VIP”案例已全部完成。

相关推荐

鸿蒙案例上新啦 | 购物、听歌、健身:15个模板带你一键激活社交娱乐

页面层级如何组织、跨页共享状态如何同步、列表与详情及个人中心如何形成稳定闭环。鸿蒙开发实践中心将这些高频消费与互动场景沉淀为可参考的标准模板,提供从业务架构到界面实现的快捷实践入口。更多实战案例欢迎前往鸿蒙开发实践中心案例中心查看并开启云端体验。

华为云官方博客 368

鸿蒙案例上新啦 | 出门打车、到家上课:25个模板带你一屏打通日常生活

如何合理拆分页面组件、如何建立单一可信的状态源、如何让用户在每一步操作中都获得明确反馈。鸿蒙开发实践中心以标准化的应用与元服务模板为入口,将清晰的业务架构与可复用的代码结构直观呈现。不妨立即挑选一个感兴趣的方向进入云端环境,从页面布局、组件封装、状态管理到路由组织,亲手跑通你的鸿蒙实战项目。

华为云官方博客 347

LakeAgent:DWS数据仓库的第二大脑,告别 “翻译式运维”,迈入智能自治时代

和普通 SQL 改写工具不同,LakeAgent 自动做多方案代价对比,主动规避负优化陷阱:补充分区键过滤实现剪枝,扫描分区由 37 收敛至 1,执行代价从 758.28 降至 113.74;未来的数据仓库,将不止能算、能存,更能看懂自己、诊断自己、理解自己。长久以来,数仓的智能都依附于人:信号需要人解读,瓶颈需要人研判,经验困在个体里,无法随底座永续生长。CPU 高、CPU 告警、CPU 诊断、CPU 使用率过高、CPU 满。语法、错误码、计费、性能调优、最佳实践、故障处置等全场景内容。

华为云官方博客 570

如何使用RDS Supabase后端BaaS能力:文件存储(File Storage)

• product-images(公开桶,允许公共读取):策略名称"Public read for product-images",允许SELECT,目标角色anon,策略定义bucket_id = 'product-images'。上传/删除需另配INSERT/DELETE策略,详见SQL。• product-specs(私有桶,仅认证用户访问自己的文件夹):建议拆为上传、读取、删除三条策略,策略定义均为 bucket_id = 'product-specs' 且仅限本人文件夹(详见下文 SQL)。

华为云官方博客 495

如何使用RDS Supabase后端BaaS能力:实时订阅与推送(Realtime)

Realtime 把数据库的每次变更同步到客户端:表里增、删、改一行,订阅者无需刷新页面或主动请求即可秒级收到。三大能力各司其职:• Postgres Changes — 监听表的 INSERT/UPDATE/DELETE,变化即通知• Broadcast — 客户端之间直接互发,适合瞬时通知、协同编辑• Presence — 跟踪频道里“谁在线”典型场景有实时数据展示(订单、库存、监控指标即时刷新)、即时通讯(消息收发、在线名单、“对方正在输入”)、协同编辑与实时通知。

华为云官方博客 486

AI Agent如何通过MCP连接到华为云RDS Supabase应用平台

Schema元数据列出所有可访问的表(按schema分组)。Schema元数据列出表的列及元数据(类型/默认值/约束)。Schema元数据列出所有约束(PK/FK/UNIQUE/CHECK/EXCLUDE)。可按schema/表/类型过滤。Schema元数据列出所有外键关系。可按schema/表过滤。Schema元数据列出所有索引及定义和大小。可按schema/表过滤。Schema元数据列出已应用的数据库迁移记录。Schema元数据列出已安装的PostgreSQL扩展。

华为云官方博客 487

华为大数据Flink让每一 CU 算力,跑出开源 5.74 倍的性能

1. 开源Apache Flink 已成为业界流计算事实标准,但在极端重负载场景下存在性能瓶颈。2. 华为大数据Flink通过多项自研深度优化,在执行计划、算子执行、状态存储三个层面构建协同的优化体系。3. Nexmark Benchmark 测试结果:整体性能提升 5.74 倍,极端重负载场景性能领先最高 18.3 倍。4. 100% 兼容 Apache Flink 1.20,业务代码零改造,无缝迁移。

华为云官方博客 392

LakeAgent实战 | 业务分析篇从一句提问到业务分析

本文以“订单金额变化”分析为例,展示LakeAgent如何通过自然语言提问,结合DataArtsStudio的数据资产与专业技能,帮助业务人员快速定位数据、生成SQL、追踪血缘、生成报告。从问题出发,逐步实现数据发现、变化洞察、原因追溯与团队协作,最终形成可复用的分析流程与企业规则,显著提升数据分析效率与一致性。

华为云官方博客 402

华为云RDS Supabase AI应用已开放公测 :30分钟搭建AI应用后端

认证、存储、实时推送、数据库API——4个后端模块,传统开发需要数周。今天,你只需要30分钟。AI创业公司的全栈开发工程师。上周老板说"下周要上线的AI对话应用,后端你来搞"——认证鉴权、数据库接口、文件存储、实时推送,每一个模块都需要数周搭建,而市场不会等你。小张打开华为云RDS Supabase,30分钟搭好认证、数据库API、对象存储,剩下的时间全用来打磨AI交互体验。基于开源Supabase+华为云RDS PostgreSQL全托管能力,为开发者提供。

华为云官方博客 409

如何使用RDS Supabase后端BaaS能力:数据库函数(Database Function)

上一篇介绍了 Database Data API——建表即自动生成增删改查接口,解决单表读写,但聚合统计、跨表事务、字段自动维护等逻辑已超出其能力边界。本篇推进到数据库函数(Database Function):把业务逻辑封装进数据库,前端通过 .rpc() 调用,由触发器自动响应数据变更。上一篇中,小张基于 Data API 完成了产品目录的建表与基础读写。但新需求随之而来:按分类统计产品数与价格区间、上架新品同时写产品表与定价表、产品修改后自动刷新更新时间。

华为云官方博客 473

如何使用RDS Supabase后端BaaS能力:创表即生成API(Database Data API)

认证、存储、实时推送、数据库API——4个后端模块,传统开发要数周。本系列逐个拆解,首篇聚焦数据库API(Database Data API):建表即得 API,无需手写后端。小张,AI创业公司的全栈工程师。老板让他做个产品目录页,展示产品与价格、支持上下架。传统做法要搭后端、写接口、配权限,工期少说1-2周;而在华为云RDS Supabase,建两张表、应用 SDK 直连,几分钟增删改查全跑通。

华为云官方博客 488

从一句话到一个能出去的链接,AI开发者空间做了什么

自行搭建的 Agent、正在使用的开源项目、团队既有的工具,都可以接入,可以通过AI创建或者手动搭建环境;华为云 AI开发者空间——面向开发者的云端一站式开发平台,做的就是把这段路接上:环境免安装,浏览器打开即为完整的 Linux 运行环境,预置的 AI 智能体开箱即用。第一个任务建议选能出结果的:做一个游戏、生成一个页面、创建一台实例,从需求走到可访问的链接,一次就能看清这个环境在做什么。沙箱是一个完整的 Linux 环境,依赖、服务、端口都是真实的,不是模拟。环境释放后,权限随之失效。

华为云官方博客 431

华为云码道配置自定义大模型,四种方式完整实操

案例介绍。

华为云官方博客 638

图数据库:实现穿透式监管的数据基座

穿透式监管标志着国企监管从“管企业”向“管资本”转型过程中的关键一跃。而图数据库正是这一跃的技术支点。从股权穿透到资金链穿透,从供应链穿透到数据穿透,华为GES图数据库正在将“穿透式监管”从理念变为可落地、可操作的实践。无论是天眼查式的全量链路查询,还是某集团财经的税务规则判断,抑或是芯片供应链式的部件风险分析,乃至通过Palantir构建决策知识图谱,其底层逻辑都是一致的——用图的力量,穿透一切形式的“隔离层”,直抵风险本质与责任核心。

华为云官方博客 671

《公共云三十问》正式收官,奔赴企业AI百场景新征程

今年6月底,公共云产业联盟重点推出《公共云三十问》专栏,以每周三问的节奏,连载十周,解读《先进公共云》白皮书,分享国计民生系列案例,旨在凝聚共识、推动落地实践。同时,专栏分析公共云在产业升级、民生福祉、科技创新、全球发展等方面的作用,梳理中国特色公共云发展路径:以普惠云拓展用云广度,以智算云提升用云深度,以自主云夯实用云厚度,以全球云打开用云跨度。这十问从专属云、行业云切入,深入政务、金融、交通、电力、钢铁、化工、油气、制造等国计民生场景,回答公共云“怎么用”。

华为云官方博客 474

开发者小技巧|IAM配置,让码道代码智能体连续30天免登录

案例介绍。

华为云官方博客 651

码道深度对接CodeArts,让需求自动落地为代码

案例介绍。

华为云官方博客 723

【公共云三十问 之三十】拥抱AI,企业如何建设面向智能体的专属云?

企业可分阶段建设覆盖开发、运行、运营及安全的一体化智能体平台——从构建一站式、高低码协同的智能体开发平台,到打造高性能、极致弹性的运行时环境,再到搭建AgentOps驱动的持续运营与运维体系,同时构建端到端、多层次的全链路安全防护体系。在数据湖建设方面,遵循“存量复用、平滑演进、AI导向、分步迭代”原则,分三阶段推进——打造AI多模数据湖核心能力、完成存算分离与统一元数据管理、实现闭环赋能全面支撑智能体规模化落地,在保护既有投资的前提下将传统数据平台转型为AI数据专属供给平台。

华为云官方博客 825

【公共云三十问 之二十九】国计民生之制造:制造云如何重塑数智时代的新质生产力?

平台打通软件交付的完整路径,覆盖需求管理、代码托管、代码检查、编译构建、制品仓库、部署、测试等关键环节,支持大模型能力融入研发全流程,实现从需求到交付的端到端管理。通过构建“研发一朵云”,方案打破地域与组织壁垒,实现跨团队协同开发,有效缩短软件交付周期,助力工业制造企业从“传统研发”走向“敏捷研发”,加速数智化转型进程。当制造云真正成为数据流通的平台、AI创新的底座,公共云的社会价值将从基础设施层向生产场景层持续延伸,为新型工业化建设和制造强国战略注入源源不断的动力,重塑数智时代的中国制造新质生产力。

华为云官方博客 793

告别重复手工迁仓,码道MCP+Skill实现仓库批量迁移

案例介绍。

华为云官方博客 791

【公共云三十问 之二十八】国计民生之油气:智算云如何叩响数智时代的“地心蓝金”?

西南油气田以“向地球深部要资源”为战略方向,联合以华为云Stack为代表的公共云服务商共同打造统一算力底座,建设西南区域数据湖与通用技术平台,构建“勘探开发工程技术、天然气生产过程管控、天然气产运储销”等三个一体化协同应用场景,支撑油气勘探、开发生产、管输储运等全业务链的数智化转型。当智算云真正成为数据流通的平台、AI创新的底座,油气田得以将算力效能、数据价值与智能技术深度融入勘探开发全链条,将“看不见的算力”转化为“摸得着的储量”,以智能化手段持续降低勘探风险、缩短发现周期、提高采收效率,确保生产安全。

华为云官方博客 613

【公共云三十问 之二十七】国计民生之化工:数智云如何重塑传统化工新范式?

在架构方面,方案构建云边协同的统一体系,涵盖AI协同、数据协同与运营协同三大维度——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现“边用边学”的智能闭环,模型平均精度提升20%以上。此外,方案提供一站式企业级工业物联网平台、数据湖与数据治理平台,覆盖工业数据分析“采、存、算、管、用”全流程,打通生产现场与管理系统间的数据壁垒,有效消除数据孤岛。层面,方案充分发挥软硬协同优势,实现计算、存储、网络与云平台的深度协同,训练线性度超95%,为大模型训练推理提供强劲算力支撑。▲化工“数智”新模式。

华为云官方博客 664

【公共云三十问 之二十六】国计民生之钢铁:数智云如何淬炼中国钢铁新力量?

同时,构建云边端协同的统一架构,支撑集团总部与各生产基地两级协同发展——总部集中训练大模型,边缘节点负责推理执行,云边持续迭代,实现训推一体化的资源调度与高效协同,为钢铁行业的数智化转型构建了坚实的算力底座。层面,方案构建覆盖“工业数采→边缘IT/OT融合→统一数据湖→数据治理平台→数据应用”全链路的一站式数据治理与流通平台,打通生产现场与管理系统间的数据壁垒,让数据“采得到、流得动、用得好”,加速数据价值从生产现场向经营决策层流动释放。湘潭钢铁集团的钢铁数智云,是钢铁工业智能云建设的标杆案例。

华为云官方博客 526

LakeWatch——MRS 智能运维Agent

从资源池、队列、作业等多个维度,对集群CPU与内存资源进行精细化分析与对比,直观呈现不同时间段的空闲、满载等使用状态,识别资源浪费,指导治理优化,为扩缩容决策提供数据支撑。对HDFS存储进行多维度深度分析(目录、用户、用户组等),涵盖使用量、增量、文件大小分布及数据热度等指标,帮助快速识别增长较快的目录、长期未访问的文件,统计目录文件数量与小文件占比,评估HDFS总存储量与扩缩容需求,为存储治理与资源规划提供全面数据支撑。Agent主动巡检,识别异常趋势并提前预警,让运维从"事后处理"转向"事前预防"。

华为云官方博客 516

华为云专题文档发布:丰富的AI案例、选型指导和概念解读

发布 “云服务选型”、“云计算概念”专题,提供云服务选型指导,助您选择匹配业务的云服务,解读云计算相关概念,开启云上学习之路。开发者工具和文档专区上线,提供从学习、实践到反馈的全链路支持。帮助中心新增100余篇AI案例。

华为云官方博客 286

一个人,也能用AI做点“星东西”

华为云星耀创想者大赛-2026华为云OPC创意大赛等你来~

华为云官方博客 291

从需求到可执行工作项:MCP+Skill 让智能体规划真正落地

回顾整个体验,以前让智能体帮我拆需求,它是洋洋洒洒给我列了一大篇 Markdown,看着挺像那么回事,但最后还是得我一条条往 CodeArts Req 里搬,搬完再手动挂父子关系、排日期,拆需求五分钟,搬运两小时。现在好了,MCP 给智能体接上了"手",Skill 给它装上了"项目经理的脑子",一句话下去,34 个工作项连带排期、层级关系全给我建好了,甘特图一拉,齐刷刷都在两周内,节省了多少工作量啊,美滋滋。本次实操在码道代码智能体基础上,构建了一套"需求→可执行工作项"的自动化规划方案。

华为云官方博客 579

华为云码道「码力续航计划」更新!

✅上新GLM‑5.3‑Flash,高速响应,代码生成、工程解析、Agent调试高效输出。新增GLM‑5.3‑Flash福利模型,每日解锁1000万免费Tokens。● 本次活动共发放总量价值100万元Tokens,发完即止!把耗算力的编码重活,交给华为云码道代码智能体🚀🚀。● 每日额度准时刷新,当日清零、次日满血重置。✅复杂算法、大项目解析、批量代码生成随便跑。✅不用抠额度、不用算消耗,放开调试大胆迭代。✅无需额外操作,登录即送,直接切换模型使用。● 把算力交给码道,让撸码不再内耗👏🏻。

华为云官方博客 695

【公共云三十问 之二十四】国计民生之交通:交通云如何铺就数智通衢新坦途?

交通行业作为支撑实体经济的关键基础设施,涵盖公路、铁路、机场、港口、地铁等众多子领域,其中,公路网络作为综合交通运输体系的基础骨架,承担着全国超过70%的客货运量,其数字化、智能化转型的需求尤为迫切。方面,提供Agent开发框架、知识库管理、RAG工程、意图识别、静态应用编排及模型评测等能力,支持客户将行业知识、业务流程与AI能力深度融合,快速构建面向收费稽核、路网调度、应急处置等场景的智能应用。开发并实现落地应用,全面覆盖建设、管理、养护、运营、服务、安全、办公七大业务领域。

华为云官方博客 464

【公共云三十问 之二十五】国计民生之电力:电力云如何点亮数智电力新引擎?

方案构建了覆盖数据获取、质量评估到标准化处理的全链路能力。基于公共云服务商智算底座及气象大模型,通过时空图神经网络重新建模产流机制,中国华电建成超50TB多源融合数据集,突破时空建模与机理融合等五大关键技术,短期径流预测精度较传统机理模型提升5个百分点以上,实现15天中期径流预测精度超85%,推理效率达秒级。基于气象大模型的基础架构与预训练能力,客户可直接在大模型之上开展增量训练与微调,充分利用场站所在区域的高精度历史数据(如3公里、1公里分辨率),针对不同场站和区域的地形地貌与气候特征进行模型调优。

华为云官方博客 381
上一篇: 基于华为开发者空间-云开发环境Docker+Flink实现大数据实时统计系统
下一篇: 基于华为开发者空间-Versatile Agent开发平台构建旅游规划助手
华为云开发者联盟
华为云开发者联盟 企业官方账号 企业官方账号
博客等级 码龄10年 72万+粉丝 5985原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值