我需要在流中存储前k个最频繁的元素。为了估计频率，我使用了最小计数素描算法。我的流包含键（作为字符串）。因此，基本上，每次我在流中遇到新密钥时，我都会通过查看最小计数素描数据结构来计算当前密钥的频率。但是我无法存储前k个最频繁的键。
我的第一个想法是将它们存储在固定大小为k的最小堆中。我将[频率，密钥]与比较器比较频率一起存储在此最小堆中。因此，每当我获得密钥的频率时，我都会尝试查看堆大小是否超过k（如果大于），然后将当前密钥的频率与min-heap中的最高（最小）频率进行比较（如果当前密钥为频率更大，然后我弹出顶部，然后将密钥插入堆中。
但是我意识到最小堆不是一个集合，这意味着它允许重复。假设我有一个非常热的密钥，并且我一直在流中对其进行计数，因此，每当我将此[频率，密钥]插入堆中时，最终我的堆将充满相同的密钥，只是频率不同。
所以我想知道是否有一种好方法可以将前k个最常见的元素存储在count-min-sketch中。
答案 0 :(得分：0)
有意义地维护堆中已经存在的[key,<frequency,position>]对哈希表。 position引用堆内键的索引（假设基于数组的堆）。钥匙到达时，您检查2个条件：
-密钥在哈希图中
-它的频率已更改
如果两个都成立，则您在O(1)时间内在堆中找到了密钥，因为它的位置已经存储在哈希图中，然后修改密钥的频率，并根据频率是增加还是减少来执行从该位置（O(logn)开始冒泡或冒泡。更改位置后，可以使用新的频率和位置值更新该键的哈希表条目。
如果第一个错误，则遵循通常的逻辑，即将密钥与根进行比较，如果堆已满且密钥的频率大于根的频率，则将根从堆中弹出并将其从哈希图中删除，并将密钥插入到堆和哈希图中。
如果键在哈希图中，但其频率未更改，则您什么也不做。
答案 1 :(得分：0)
您还可以维护所有三个数据结构1.最小计数草图以存储您在流中遇到的所有内容2.最小大小为k的堆3.大小为k的哈希图
如果是热门商品-您可以增加数量并从count-min草图中获取新的频率，假设该商品已存在于min-heap中，则可以从哈希图中获取该商品并提高频率
当您遇到另一个频率刚刚增加并进入著名的min-heap的项目时，您可以同时从min-heap和hash-map中逐出根，因此从根本上说min-heap可帮助您保持前k个频率项和哈希图以随机访问那些频繁项。请注意，min-heap和hash-map都可以映射到相同的内存地址，因此只能对hash-map中存储的项目进行更新频率