如何在10亿数中找出前1000大/小的数？_10个亿的数据取最小的1000个-优快云博客

本文链接：https://blog.youkuaiyun.com/zanda_/article/details/90732844

本文介绍了在内存空间充足和有限的情况下，如何高效找出10亿数中的前1000大/小的数。当内存空间足够时，采用分治法，通过递归分割数组，实现O(N)的时间复杂度。若内存有限，可使用分布式分治法，将数据分散到多台机器处理，最后合并结果，或采用建堆法，维护一个大小为1000的小顶堆，达到O(N·logN)的时间复杂度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、内存空间足够大

分治法

随机选一个数flag，然后对整个数组进行分割，会得到两部分，前一部分的数都大于flag，后一部分的数都小于flag。

示例：

在这里插入图片描述

如果说前一部分总数大于1000个，那就继续在前一部分进行分割。如果前一部分的数小于1000个，那就在后一部分再进行分割，寻找剩下的数。利用分治法，对左边或者右边进行循环分割，直到找够Top 1000。

时间复杂度 ：O(N)

计算过程 ：

我们在进行第一次分割的时候需要花费N，第二次分割的时候，数据量减半了，所以只要花费N/2，同理第三次的时候只要花费N/4，以此类推。而N+N/2+N/4+…取最高指数项，去掉系数，所以这个方法的渐进时间只有O(N)

二、内存空间有限

分布式分治法

利用分布式的思想，将数据切分，然后在多台机器上分别计算Top N，然后将这些数汇总再计算Top N。

示例：

在这里插入图片描述

建堆法

PS：如果是求max Top N，那么在内存中维护一个小顶堆；如果是求min Top N，那么在内存中维护一个大顶堆。这里以max Top N示例。

原理：

小顶堆的堆顶元素是整个堆中最小的，后续数据如果比堆顶还小，那么由于堆中本来就有N个数据，那么自然就不符合条件，可以丢弃了；如果后续数据比堆顶大，那么就说明这个数可能在Top N中，起码当前堆顶元素肯定就不在Top N中了，所以用这个数替换掉当前堆顶，由于这个数不一定是整个堆中最小的，所以还要调整堆，使堆继续保持堆的特性，以便继续判断后面的数据。这个过程遍历完了数据以后，堆中的元素就是要找的Top N了。

具体做法 ：

先读取前N个数，在内存中创建一个小顶堆。

然后从第N+1个数开始，依次读取后面的数和堆顶数据进行比较，如果堆顶数，那么直接丢弃，否则用这个数替换掉当前的堆顶，然后调整堆，使之保持堆的特性。循环这个过程，遍历完后续数时，此时堆中的数就是max Top N。

示例：

在这里插入图片描述

时间复杂度 ：O(N·logN)

计算过程 ：

建堆的时间复杂度：O(N)

调整堆的时间复杂度：O(N · logN)

所以，总时间复杂度是：O(N·logN)

示例代码 ：

//////////////////////////////////////////////////////////////
//@author 分时天月 on 2019/6/1
//////////////////////////////////////////////////////////////

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

class TopN{
   
   
public:
	void FindTopN(size_t n, vector<int>& data){
   
   
		//用前n个数建一个小顶堆
		BuildHeap(n, data);
		//用第n个值后面的数据调整堆
		for (size_t i = n; i != data.size(); ++i){
   
   
			adjust