这是一个面试问题。
宇宙中有数十亿颗恒星。您将使用哪种数据结构来回答查询 “给我最靠近地球的k星”。
我想到堆。正如我们可以在O（n）中进行堆化并在O（logn）中获得n_smallest一样。是否有更好的数据结构适合此目的？
答案 0 :(得分：1)
假设输入不能同时全部存储在内存中（这将是一个挑战！），而是宇宙中恒星的流-就像您将得到的迭代器之类的东西-您可以从使用最大堆（而不是首先想到的最小堆）中受益。
一开始，您只需要按堆中的星星（按它们与地球的距离来确定）即可，直到您的堆中有 k 个条目。
从那时起，如果新星的距离大于堆根的距离，则可以忽略它。当它比根星更近时，用新星代替根，然后对其进行筛选以恢复堆属性。
您的堆的增长不会超过 k 个元素，并且始终由您处理过的 k 个最近的恒星组成。
一些评论：
因为它是最大堆，所以您不知道哪颗是最近星（恒定时间）。当您停止该算法，然后一个接一个地拔出根节点时，您将得到按距离降序排列的 k 个最近的星星。
由于可观察的（！）宇宙估计有10 21 个恒星，因此您需要最好的超级计算机之一（1 exaFLOPS）来处理所有这些超级计算机。明星在合理的时间。但是至少该算法只需要在内存中保留 k 个星星即可。
答案 1 :(得分：0)
您要遇到的第一个问题是规模。仅银河系中就有约1000亿至4000亿颗恒星。估计有100亿个星系。如果我们假设每个星系平均有1000亿颗恒星，那么这就是宇宙中10 ^ 19颗恒星。您不太可能拥有该内存。即使您确实有足够的内存，也可能没有时间。假设您的heapify操作每秒可以进行十亿次迭代，则将花费一万亿秒（31,700年）。然后必须增加从堆中删除最小的k所需的时间。
通过使用多个线程或进程来构建堆，不太可能获得重大改进。
此处的关键是预处理数据并将其存储为一种形式，以便您快速消除大多数可能性。最简单的方法是按照与地球的距离排序列出恒星。因此，索尔（Sol）将在列表的顶部，普罗克西玛（Proxima Centauri）在其后，等等。然后，获取最近的k星将是O（k）运算：只需从列表中读取前k个项即可。
但是，排序后的列表很难更新。更好的选择是k-d tree。更新更加容易，并且与k个最近的邻居仍然相当快捷。