数据量巨大时，排序完成后，排序完成后需要花很多时间取前k个最大值或前k个最小值吗？ 如果不需要对大量数据按顺序排列所有数据，我们就不需要使用各种排序算法对所有数据进行排序，然后再得到TopK值。 这个问题在问题上可能经常遇到。 要考察的是排序中的堆叠排序。
输入：需要分类的所有数据记为a1a2.ak、k值
输出： k个最大要素
在a1a2.ak上建设小的顶点堆(最小堆)，将根节点表示为aroot
遍历剩下的元素，即ak 1ak 2ak 3.an :
的值小于aroot时跳过。 该值必须与所需的k个最大值无关。
如果元素的值大于aroot，请替换元素和aroot，然后调整堆以匹配小的顶部堆。
扫描结束后，小顶点上的所有节点都是我们要求的最大值Topk。
相反，为了求出最大值Topk，利用大山。
那么为什么不能选择其他的排序方法呢？
在内部排序方法中，一次排序后，只需直接选择排序和冒泡排序，就可以选择一个最大或最小的要素，添加到现有的有序子序列中，但需要比较n-1次，选择更大的要素时需要比较n-2词如果是庞大的数据，就意味着n变大，为了选择前k个最大的要素，时间的复杂性太大，不能采用这个方法。
虽然插入排序、快速排序、合并排序、基数排序等排序方法在时间上很好，但必须在对所有元素进行完全排序之后才能确定每个元素的位置。
通过堆栈排序，可以在所有排序结束之前获得部分排序结果。 在前k个元素上创建堆后，堆顶部的元素是最大的元素，调整堆后可以得到下一个最大的元素，从而得到前k个最大的元素。 一般来说，数据量大时，一般选择k个最大或最小的要素进行使用，这是堆栈排序。
首先，堆比较的次数最大在4n以下，对于深度为k的堆，堆调整算法中关键字比较的次数最大为2(k-1次，辅助空间为o[1]，因此此时选择堆比较。
既然提到了累计排序，就和以下累计排序的思想有关。
建设过程：将排序对象序列视为完整的二叉树，不断从n/2的下界开始筛选，不断筛选，可以看到最终建成的堆。 可以看到以下的建设过程，图中显示了建设小天花板堆的过程。
堆调整过程：将堆上的元素与堆的最后一条记录进行交换，然后将序列中的前n-1条记录重新调整为堆，将堆上的记录与当前堆序列中的最后一条记录进行交换。 重复这个直到排序结束。
堆排序的优点：时间性能与树选择排序的顺序相同，只需要一个交换用的辅助空间，在调整堆时孩子只需要与tldse进行比较。