优先队列 PriorityQueue (优先队列priority_queue)

本文目录导航：

• 优先队列(PriorityQueue)
• [幽默的ES配置调研]Keyword类型字段排序居然是这种成果？！
• 名目中有哪些汇合类型

优先队列(PriorityQueue)

在数据结构中，普通的队列是先进先出，但有时咱们或者并不想有这么固定的规矩，咱们宿愿能有一个带优先级的队列。

思索在事实生存中，一些服务排队窗口会写着“军人依法优先”；送进医院的患者，即使是按顺序抵达的，生病愈加严重的往往优先级也会更高；还有操作系统中的作业调度也和优先级无关...... 于是咱们能不能改良队列？使得队列是有必定优先级的，这样能让一些事物和义务的处置变的愈加灵敏。

当然是可以的，最基本的咱们可以基于线性结构来成功，思索基于线性结构的期间复杂度： 1、队列是一种FIFO（First-In-First-Out）先进先出的数据结构，对应于生存中的排队的场景，排在前面的人总是先经过，依次启动。

2、优先队列是不凡的队列，从“优先”一词，可看出有“插队现象”。

比如在火车站排队进站时，就会有些比拟急的人来插队，他们就在前面先经过验票。

优先队列至少含有两种操作的数据结构：insert（拔出），行将元素拔出到优先队列中（入队）；以及deleteMin（删除最小者），它的作用是找出、删除优先队列中的最小的元素（出队）。

结构\操作 入队出队 普通线性结构O(1)O(n) 顺序线性结构O(n)O(1) 普通线性结构成功的优先队列出队期间复杂度是O(n)，由于出队要拿出最优先的元素，也就是相对最大的元素（留意：大小是相对的，咱们可以指定比拟规定），从而要扫描一遍整个数组选出最大的取出才行。

而关于顺序线性结构的入队操作，入队后或者破坏了原来的有序性，从而要调整以后顺序。

可以看到经常使用线性结构总有期间复杂度是O(n)的操作，还有没有更好的成功方式呢，当然是有的，这就要来聊一聊堆Heap。

堆严厉意义过去说又叫二叉堆（Binary Heap），由于它的结构是一颗齐全二叉树，堆普通分为最大堆和最小堆。

堆性质： 结构性：堆是一颗除底层外被齐全填满的二叉树，底层的节点从左到右填入，这样的树叫做齐全二叉树。

即缺失结点的局部必定再树的右下侧。

堆序性：由于咱们想很快找出最小元，则最小元应该在根上，恣意节点都小于它的后裔，这就是小顶堆（Min-Heap）；假设是查找最大元，则最大元应该在根上，恣意节点都要大于它的后裔，这就是大顶堆(Max-heap)。

最大堆：父亲节点的值大于孩子节点的值 最小堆：父亲节点的值小于孩子节点的值 由于是齐全二叉树，节点的索引之间有着必定的相关，故咱们可以经常使用数组来存储二叉堆，详细如下： 假设从索引为0开局存储，则父亲和孩子节点的索引相关如下： 当咱们须要向一个最大堆减少一条新的数据时，此时咱们的堆变成了这样。

此时，由于新数据的参与曾经不合乎最大堆的定义了。

所以咱们须要对新参与的数据启动shift up操作，将它放到它应该在的位置。

shift up操作时咱们将新参与的数据与它的父节点启动比拟。

假设比它的父节点大，则交流二者。

此时咱们就成功了 对新参与元素的shift up操作。

当咱们从堆中(也就是优先队列中)取出一个元素时。

咱们是将堆顶的元素弹出。

(只能从堆顶取出) 此时这个堆没有顶了，那么该怎样办呢？咱们只有要把这个堆最后一个元素放到堆顶就可以了。

此时咱们就成功了弹出一个元素之后的shift down操作。

replace:去除最大元素后，放入一个新元素 成功：可以先extractMax,再add，两次longn操作。

成功:将堆顶的元素交流以后sift down，一次性O(logn)操作 将n个元素一一拔出到一个空堆中,算法复杂度是O(nlogn),heapify的环节，算法的复杂度为O(n). heapify:将恣意数组整顿成堆的状态。

首先将一个数组形象成一个堆。

这个环节，咱们称之为heapify。

之后咱们找到这个堆中第一个非叶子节点，这个节点的位置一直是数组的数量除以2，也就是索引5位置的27，从这个节点开局，对每一个非叶子的节点,，启动shift down操作。

27比它的子节点51要小，所以交流二者。

接上去咱们看索引2位置的20。

首先呢，咱们须要将20与它两个子节点中较大的51交流。

每个节点堆化的期间复杂度是O(logn)，那个节点的堆化的总期间复杂度是O(nlogn)。

推导环节 堆化节点从倒数第二层开局。

堆化环节中，须要比拟和交流的节点个数与这个节点的高度k成正比。

所以 heapify() 期间复杂度是 O(n). 建堆后，数组中的数据是大顶堆。

把堆顶元素，即最大元素，跟最后一个元素交流，那最大元素就放到了下标为n的位置。

这个环节有点相似下面的“删除堆顶元素”的操作，当堆顶元素移除之后，把下标n的元素放堆顶，而后再经过堆化的方法，将剩下的n-1个元素从新构建成堆。

不时重复这个环节，直到最后堆中只剩下下标为1的元素，排序就成功了。

topk和selectk疑问既可以经常使用快排思维处置，也可以经常使用优先队列处置。

快排:O(n) 空间O(1) 优先队列:O(nlogk) 空间O(k) 优先队列的有i是，不须要一次性性知道一切数据,数据流的方式处置。

[幽默的ES配置调研]Keyword类型字段排序居然是这种成果？！

在 Elasticsearch 的经常使用环节中，咱们了解到 string 类型在 5.0 版本后出现了严重变卦，被拆分红 text 和 keyword 两种新的数据类型。

自动状况下，文本字段同时映射为 text 和 keyword 类型，这也解释了为什么某些字段会智能创立与之对应的 字段。

在实践运行中，咱们经常常使用 keyword 类型启动关键词搜查，并且须要设置排序规定。

但是，在一次性试验中，咱们发现了一个无心思的现象：当设置 mode 为 min 和 order 为 desc 时，排序结果并没有如预期的那样启动降序陈列，这惹起了咱们的思索和考查。

接上去，咱们经常使用 Lucene 启动了深化摸索。

经过对比不同选项的组合，咱们发现排序行为在 keyword 类型的多值查问中具备特定的法令。

这些法令重要体如今 sortMode 和 sortOrder 的选用上，它们对排序顺序发生了影响。

在 Lucene 的成功中，keyword 类型的写入分为两局部：存储时，数据以 doc values 方式启动排序，行将文本内容编号并排序，而非存储实践的文本值。

同时，排序操作在写入环节中就曾经成功，这为咱们的初步论断提供了基础。

接上去，咱们深化钻研了 sortMode 和 sortOrder 在 Lucene 中对 keyword 查问的影响。

经过对源代码的剖析，咱们发现 sortMode 的值选择了排序方式，而 sortOrder 则影响了排序的顺序。

例如，当 sortMode 设置为 MAX 时，排序取值逻辑会依据 sortOrder 的顺序调整，这进一步影响了文档召回顺序的陈列。

在查问流程中，排序和打分的环节出当初多个步骤中。

在 Lucene 的查问成功中，排序和结果搜集的环节触及优先队列（PriorityQueue）的运行。

优先队列的调整环节在排序时施展了关键作用，确保了却果依照指定的顺序输入。

综上所述，keyword 类型在 Elasticsearch 中的排序行为遵照特定的法令。

索引时，排序消息被嵌入数据中，查问时依据 sortMode 和 sortOrder 的设置启动排序，从而影响了排序结果的出现。

最终，咱们总结出关键词排序的关键点，包含自动排序规定、查问时的排序规定选用以及排序规定对结果召回顺序的影响。

名目中有哪些汇合类型

在名目中，罕用的汇合类型有以下几种：1. 数组（Array）：有序的元素汇合，可以经过索引访问和修正元素。

2. 列表（List）：有序的元素汇合，可以灵活减少、删除和修正元素。

3. 汇合（Set）：无序的元素汇合，不准许重复元素。

4. 字典（Dictionary）：键值对的汇合，可以经过键访问和修正对应的值。

5. 堆（Heap）：一种不凡的优先队列，可以高效地拔出和删除元素，并依据必定规定失掉具备最高（或最低）优先级的元素。

6. 栈（Stack）：一种后进先出（LIFO）的数据结构，只准许在栈的顶部启动拔出和删除操作。

7. 队列（Queue）：一种先进先出（FIFO）的数据结构，只准许在队列的尾部启动拔出操作，在头部启动删除操作。

8. 链表（Linked List）：一种经过指针衔接元素的数据结构，可以高效地启动拔出、删除和查找操作。

9. 树（Tree）：一种档次结构的数据结构，可以用来示意具备父子相关的元素汇合。

10. 图（Graph）：一种由节点和边导致的数据结构，用来示意元素之间的关联相关。

这些汇合类型在名目开发中都有各自的运行场景，开发人员可以依据详细需求选用适合的类型来存储和操作数据。