基于堆实现的优先级队列：PriorityQueue 解决 Top K 问题
1、认识PriorityQueue
优先级队列是无界的，但是有一个内部容量，控制着用于存储队列元素的数组的大小。
它总是至少与队列的大小相同。随着不断向优先级队列添加元素，其容量会自动增加。无需指定容量增加策略的细节。
注意1：该队列是用数组实现，但是数组大小可以动态增加，容量无限。
注意2:此实现不是同步的。不是线程安全的。如果多个线程中的任意线程从结构上修改了列表， 则这些线程不应同时访问 PriorityQueue 实例，这时请使用线程安全的PriorityBlockingQueue 类。
注意3:不允许使用 null 元素。
注意4：此实现为插入方法（offer、poll、remove() 和 add 方法）提供 O(log(n)) 时间；
为 remove(Object) 和 contains(Object) 方法提供线性时间；
为检索方法（peek、element 和 size）提供固定时间。
注意5:方法iterator()中提供的迭代器并不保证以有序的方式遍历优先级队列中的元素。
至于原因可参考下面关于PriorityQueue的内部实现
如果需要按顺序遍历，请考虑使用 Arrays.sort(pq.toArray())。
注意6：可以在构造函数中指定如何排序。如：
PriorityQueue()
使用默认的初始容量（11）创建一个 PriorityQueue，并根据其自然顺序来排序其元素（使用 Comparable）。
PriorityQueue(int initialCapacity)
使用指定的初始容量创建一个 PriorityQueue，并根据其自然顺序来排序其元素（使用 Comparable）。
PriorityQueue(int initialCapacity, Comparator comparator)
使用指定的初始容量创建一个 PriorityQueue，并根据指定的比较器comparator来排序其元素。
注意7:此类及其迭代器实现了 Collection 和 Iterator 接口的所有可选 方法。
PriorityQueue的内部实现
PriorityQueue对元素采用的是堆排序，头是按指定排序方式的最小元素。堆排序只能保证根是最大（最小），整个堆并不是有序的。
方法iterator()中提供的迭代器可能只是对整个数组的依次遍历。也就只能保证数组的第一个元素是最小的。
2、应用：求 Top K 大/小 的元素
了解了优先队列之后，我们再来看它的一个应用：
在面试的时候，问到算法，Top k 的问题是经常被问到的，网上已有很多种方法可以解决，今天来看看如何使用 PriorityQueue 构造固定容量的优先队列，模拟大顶堆，来解决 top K 小的问题。
/**
* @Title: FixSizedPriorityQueue.java
* @Package com.collonn.algorithm
* @Description: TODO(用一句话描述该文件做什么)
* @author zengfh
* @date 2014年11月24日 上午10:44:48
* @version V1.0
*/
package com.collonn.algorithm;
import java.util.Comparator;
import java.util.Iterator;
import java.util.PriorityQueue;
import java.util.Random;
/**
* @ClassName: FixSizedPriorityQueue
* @Description: 固定容量的优先队列，模拟大顶堆，用于解决求topN小的问题
* @author zengfh
* @date 2014年11月24日 上午10:44:48
*
*/
public class FixSizedPriorityQueue <E extends Comparable<E>>{
private PriorityQueue<E> queue;
private int maxSize;// 堆的最大容量
public FixSizedPriorityQueue(int maxSize) {
if(maxSize <=0){
throw new IllegalArgumentException();
}
this.maxSize = maxSize;
this.queue =new PriorityQueue<E>(maxSize,new Comparator<E>() {
// 生成最大堆使用o2-o1,生成最小堆使用o1-o2, 并修改 e.compareTo(peek) 比较规则
public int compare(E o1, E o2) {
return(o2.compareTo(o1));
}
});
}
public void add(E e){
if(queue.size() < maxSize) {// 未达到最大容量，直接添加
queue.add(e);
}else{// 队列已满
E peek = queue.peek();
if(e.compareTo(peek) <0) {// 将新元素与当前堆顶元素比较，保留较小的元素
queue.poll();
queue.add(e);
}
}
}
/**
* @Title: main
* @Description: TODO(这里用一句话描述这个方法的作用)
* @param @param args 设定文件
* @return void 返回类型
* @throws
*/
public static void main(String[] args) {
// TODO 自动生成的方法存根
final FixSizedPriorityQueue<Integer> pq =new FixSizedPriorityQueue<Integer>(10);
Random random =new Random();
int rNum =0;
System.out.println("100 个 0~999 之间的随机数：-----------------------------");
for(int i =1; i <=100; i++) {
rNum = random.nextInt(1000);
System.out.print(rNum +", ");
pq.add(rNum);
}
System.out.println();
System.out.println("PriorityQueue 本身的遍历是无序的：------------------------");
Iterable<Integer> iter =new Iterable<Integer>() {
@Override
public Iterator<Integer> iterator() {
// TODO 自动生成的方法存根
return pq.queue.iterator();
}
};
for(Integer item : iter) {
System.out.print(item +", ");
}
System.out.println();
System.out.println(pq.queue.toString());
System.out.println("PriorityQueue 排序后的遍历：--------------------------");
// 直接用内置的 poll() 方法，每次取队首元素（堆顶的最大值）
while(!pq.queue.isEmpty()) {
System.out.print(pq.queue.poll() +", ");
}
}
}
3、PriorityQueue在 hadoop 中的应用：
最后来聊下 “基于堆实现的优先级队列（PriorityQueue）” 在hadoop 中的应用：
在 hadoop 中，排序是 MapReduce 的灵魂，MapTask 和 ReduceTask 均会对数据按 Key 排序，这个操作是 MR 框架的默认行为，不管你的业务逻辑上是否需要这一操作。
MapReduce 框架中，用到的排序主要有两种：快速排序和基于堆实现的优先级队列。
Mapper 阶段：
从 map 输出到环形缓冲区的数据会被排序（这是 MR 框架中改良的快速排序），这个排序涉及 partition 和 key，当缓冲区容量占用 80%，会spill 数据到磁盘，生成 IFile 文件，Map 结束后，会将 IFile 文件排序合并成一个大文件（基于堆实现的优先级队列），以供不同的 reduce 来拉取相应的数据。
Reducer 阶段：
从 Mapper 端取回的数据已是部分有序，Reduce Task 只需进行一次归并排序即可保证数据整体有序。为了提高效率，Hadoop 将 sort 阶段和 reduce 阶段并行化，在 sort 阶段，Reduce Task 为内存和磁盘中的文件建立了小顶堆，保存了指向该小顶堆根节点的迭代器，并不断的移动迭代器，以将 key 相同的数据顺次交给 reduce()函数处理，期间移动迭代器的过程实际上就是不断调整小顶堆的过程（建堆→取堆顶元素→重新建堆→取堆顶元素...），这样，sort 和 reduce 可以并行进行。
了解了这个，你就明白为什么之前有同学提到遍历一遍 values 之后，值都不存在了，同时你也能更加理解之前提到的 二次排序。
在 hadoop 中，用到了这一数据结构的类主要有如下：（hadoop-0.20.203.0）
core/org/apache/hadoop/io/SequenceFile.java
hdfs/org/apache/hadoop/hdfs/server/namenode/UnderReplicatedBlocks.java
mapred/org/apache/hadoop/mapred/join/CompositeRecordReader.java
mapred/org/apache/hadoop/mapred/join/JoinRecordReader.java
mapred/org/apache/hadoop/mapred/join/MultiFilterRecordReader.java
mapred/org/apache/hadoop/mapred/join/OverrideRecordReader.java
mapred/org/apache/hadoop/mapred/Merger.java
tools/org/apache/hadoop/tools/rumen/DeskewedJobTraceReader.java
可以看到，这一数据结构，在 hadoop 中用的还是比较广泛的。
需要说明的是，求 Top k，更简单的方法可以直接用内置的 TreeMap 或者 TreeSet，这两者是基于红黑树的一种数据结构，内部维持 key 的次序，但每次添加新元素，其排序的开销要大于堆调整的开销。例如要找最大的10个元素，那么创建的是小根堆。小根堆的特性是根节点是最小元素。不需要对堆进行再排序，当堆的根节点被替换成新的元素时，需要进行堆化，以保持小根堆的特性。
4、REF：
http://lc87624.sinaapp.com/java_top_n/
http://java-er.com/blog/java-priority-queue/
http://stackoverflow.com/questions/7878026/is-there-a-priorityqueue-implementation-with-fixed-capacity-and-custom-comparato
http://stackoverflow.com/questions/9581357/java-top-n-elements-from-stream-source
http://www.iteye.com/topic/1061958基于最小堆（小根堆）的topn算法
http://dongxicheng.org/structure/heap/数据结构之堆
hadoop技术内幕：task 运行过程分析：P199, P219
http://www.michaelpollmeier.com/selecting-top-k-items-from-a-list-efficiently-in-java-groovy/