一種特殊的樹，滿足下面兩個條件：
1.堆總是一棵完全二叉樹（除了最後一層，其他都是滿節點，最有一層先排左節點）
2.堆中某個節點的值總是大於等於（小於等於）其所有子節點的值。如果是大於等於情況就稱為大頂堆，小於等於情況就是小頂堆。
完全二叉樹適合用陣列儲存，因為下標為i的元素，它的左子樹下標為2i,右子樹下標為2i+1。父節點就是i/2的overflow。
插入一個元素
先插入的元素放到堆最後，然後和父節點比較，如果大於父節點，就交換位置，然後再和父節點比較，直到把這個元素放到正確的層。這種也叫自下而上的堆化。
刪除一個元素
假如刪除大頂堆的，刪除最大的元素，然後再它的子節點找到第二大元素，放到堆頂。然後再第二大元素下一層尋找
堆排序
比如有n個資料，我們先把資料建堆，生成一個大頂堆，元素個數為n
獲取堆頂資料（也就是最大元素），刪除堆頂，並且把最後一個元素放到堆頂，然後堆化成（n-1)大頂堆
重複獲取堆頂，堆化成（n-2）大頂堆。我們獲取的資料就是從大到小的順序。
堆的應用
應用1：優先順序佇列
合併多個有序小檔案 把多個有序的小檔案的第一個元素取出，放入堆中，取出堆頂到大檔案，然後再從小檔案中取出一個加入到堆，這樣就把小檔案的元素合併到大檔案中了。
應用2：用堆求 Top K（就是從一堆資料中找出前k大的資料）
a. 針對靜態資料（資料不變） 建立大小為K的小頂堆，遍歷陣列，陣列元素與堆頂比較，比堆頂大，就把堆頂刪除，並插入該元素到堆 b. 針對動態資料（資料不斷插入更新的） 在動態資料插入的時候就與堆頂比較，看是否入堆，始終維護這個堆，需要的時候直接返回，最壞O(n*lgK)
應用3：海量關鍵詞搜尋記錄，求搜尋次數topK
a.先用hashTable去重，並累加搜尋次數
b.再建立大小為K的小頂堆，遍歷雜湊表，次數大於堆頂的，頂替堆頂入堆（就是應用2的解法）
雜湊表很大時，超出記憶體要求
建立n個空檔案，對搜尋關鍵詞求雜湊值，雜湊值對n取模，得到該關鍵詞被分到的檔案號（0到n-1）
對每個檔案，利用雜湊和堆，分別求出topK，然後把n個topK（比如10個Top 20，200很小了吧）放在一起，出現次數最多的K（20）個關鍵詞就是這海量資料裡搜尋最頻繁的。
本作品採用《CC 協議》，轉載必須註明作者和本文連結