Algorithm 保存（或分类）前10名畅销产品的最有效方法是什么？

当你想保持前十名的畅销书并随着产品的销售不断调整它时，什么是一个好的算法？我只是在为面试而学习时感到好奇

一个很好的例子是亚马逊如何保持大多数销售产品的排名

我想他们可能会使用排序算法，但考虑到有成吨的产品，当每种产品的销售次数发生变化时，每次排序都可能太慢，因为排序平均需要O（N log N）。

---

或者他们用链表来维持秩序？如果一个产品超过了以前的畅销书，只需将其放在链表的前面。

这通常是用a实现的。

这通常是用a实现的。

您可以将最好的产品保存在平衡的二叉搜索树中（如

std:：set

或

std:：map

）。无论何时销售一个产品，您都可以增加它的销售数量（产品映射到销售数量的方式取决于访问模式，但哈希表在大多数情况下都可以正常工作），如果它不在树中，则插入它（如果已经存在，您可以删除它并重新插入到树中）。插入后，如果产品数量超过

k

（本例中为10），则需要删除该产品。这种方法的优点是我们在树中只保留

k

最佳项，因此每次更新的时间复杂度是

O（logk）

，而不是

O（logn）

---

但是，包含最佳

k

项的简单数据结构（如排序向量或排序列表）也可以很好地用于较小的

k

您可以在一个平衡的二元搜索树中保留最好的产品（如

std:：set

或

std:：map

）。无论何时销售一个产品，您都可以增加它的销售数量（产品映射到销售数量的方式取决于访问模式，但哈希表在大多数情况下都可以正常工作），如果它不在树中，则插入它（如果已经存在，您可以删除它并重新插入到树中）。插入后，如果产品数量超过

k

（本例中为10），则需要删除该产品。这种方法的优点是我们在树中只保留

k

最佳项，因此每次更新的时间复杂度是

O（logk）

，而不是

O（logn）

---

但是，包含最佳

k

项的简单数据结构（如排序向量或排序列表）也可以很好地用于较小的

k

哦，完全忘记了优先级队列。。谢谢二进制堆不是一个特别好的数据结构，因为在堆中查找一个项来更新它是非常昂贵的。更新（重新调整堆）是O（logn），但查找该项是O（n）。您可以使用单独的数据结构来跟踪项在堆中的位置，但这样做需要额外的插入和删除工作。如果您需要经常更改优先级，最好使用基于指针的堆，例如，或某种平衡搜索树。哦，完全忘记优先级队列。。谢谢二进制堆不是一个特别好的数据结构，因为在堆中查找一个项来更新它是非常昂贵的。更新（重新调整堆）是O（logn），但查找该项是O（n）。您可以使用单独的数据结构来跟踪项在堆中的位置，但这样做需要额外的插入和删除工作。如果需要经常更改优先级，最好使用基于指针的堆，例如，或某种平衡搜索树。