基于堆实现的优先级队列:PriorityQueue 解决 Top K 问题
2014-11-24 11:12
706 查看
1、认识PriorityQueue
PriorityQueue是从JDK1.5开始提供的新的数据结构接口,它是一种基于优先级堆的极大优先级队列。优先级队列是不同于先进先出队列的另一种队列。每次从队列中取出的是具有最高优先权的元素。如果不提供Comparator的话,优先队列中元素默认按自然顺序排列,也就是数字默认是小的在队列头,字符串则按字典序排列(参阅Comparable),也可以根据 Comparator 来指定,这取决于使用哪种构造方法。优先级队列不允许 null 元素。依靠自然排序的优先级队列还不允许插入不可比较的对象(这样做可能导致 ClassCastException)。
队列检索操作
poll、remove、peek 和 element 访问处于队列头的元素。
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/
复制去Google翻译翻译结果
相关文章推荐
- 基于堆实现的优先级队列:PriorityQueue 解决 Top K 问题
- 优先队列PriorityQueue实现 大小根堆 解决top k 问题
- 优先队列实现 大小根堆 解决top k 问题
- 基于大顶堆实现的最大优先级队列
- 基于pcDuino的WiFi视频监控小车实现过程中遇到的问题及解决方法
- 要求顺序循环队不损失一个空间,全部能够得到有效利用,试采用设置标志位tag的方法解决“假溢出”问题,实现顺序循环队列算法
- 如何基于RabbitMQ实现优先级队列
- PriorityQueue是个基于优先级堆的极大优先级队列
- 如何基于RabbitMQ实现优先级队列
- 如何基于RabbitMQ实现优先级队列
- 如何基于RabbitMQ实现优先级队列
- 利用优先级队列解决k路归并问题
- 笔试算法题(57):基于堆的优先级队列实现和性能分析(Priority Queue based on Heap)
- 循环优先级队列解决客户优先级服务问题
- 基于邻接表和优先级队列的Dijkstra算法实现
- 如何基于RabbitMQ实现优先级队列
- 如何基于RabbitMQ实现优先级队列