Question

我更新鲜，准备采访。在我最近的采访中，我被问到一个问题，我找不到合适的答案。

我得到了大约100个文件，每个文件都包含大量以逗号分隔的整数。我必须在整个文件中找到前10个整数。我试图用堆来解决它。但我对这个过程的时间复杂性感到困惑。任何帮助将不胜感激，谢谢。

Answer 1

我认为你使用堆数据结构是正确的。

您可以并行处理文件，对于每个文件，您可以维护一个大小为10的最小堆。

当你遍历一个文件时，你会在min-heap中插入一个值，直到它满（大小为10），然后是11到n位的值

if current_value > min_heap.current()
    min_heap.extract()
    min_heap.insert(current_value)

您必须遍历n个值，最糟糕的情况是文件是按升序排序的。在这种情况下，您将必须提取最小值并为位置11到n中的所有值插入新值。堆操作将为O（log n），为每个文件提供O（n * log n）的总运行时间。

此时你有m（文件数）min-sheaps，每个大小为10.这里你可以使用最终的min heap来存储m min-heap中包含的十个最大数字。这个计算将是O（m），因为此时所有的堆都是最大值10，一个常数。

总的来说，运行时间为O（n * log n + m）。 m可能比n小得多，所以在朋友中我们可以说O（n * log n）。

即使你没有并行完成第一步，也就是O（m * n * log n + m），但如果n支配m，我们可以说O（n * log n）。