要从1亿个数据中找出最大的前100个，通常可以使用堆（Heap）数据结构来实现，特别是最小堆（Min Heap）。
以下是一种常见的方法：
1创建一个最小堆，并将前100个数据插入堆中。
2遍历剩余的数据，对于每个数据，如果它比堆顶的元素大，就将堆顶元素弹出，然后将当前数据插入堆中。
3继续遍历所有数据，不断地维护堆，确保堆中保留的是最大的100个数据。
4当遍历完成后，堆中的元素就是前100个最大的数据。
这种方法的时间复杂度是O(N * log(100))，其中N是数据总数，因为在堆中保持了100个元素。这比将所有数据排序的时间复杂度要低得多。
在Java中，你可以使用PriorityQueue（优先队列）来实现最小堆，PriorityQueue默认是最小堆，因此可以很方便地解决这个问题。以下是一个示例代码：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
|
import java.util.PriorityQueue;
public class Top100LargestNumbers {
public static int\[\] findTop100LargestNumbers(int\[\] nums) {
PriorityQueue<Integer\> minHeap \= new PriorityQueue<>(100);
for (int num : nums) {
if (minHeap.size() < 100) {
minHeap.offer(num);
} else if (num \> minHeap.peek()) {
minHeap.poll();
minHeap.offer(num);
}
}
int\[\] result \= new int\[100\];
for (int i \= 0; i < 100; i++) {
result\[i\] \= minHeap.poll();
}
return result;
}
public static void main(String\[\] args) {
int\[\] nums \= { /\* 1亿个数据 \*/ };
int\[\] top100 \= findTop100LargestNumbers(nums);
for (int num : top100) {
System.out.println(num);
}
}
}
|
这段代码中，我们使用PriorityQueue来维护最小堆，然后遍历1亿个数据，将前100个最大的数据保存在堆中。最后，我们将堆中的元素取出，就得到了前100个最大的数据。
