Stream 如何从count min sketch中获取前K个元素？

我正在阅读概率数据结构count min sketch如何用于查找数据流中的前k个元素。但是，我似乎不能把我的头绕在我们保持一堆以得到最终答案的台阶上

问题是：

我们有一系列的项目

[B，C，a，B，C，a，C，a，…]

。我们被要求找出出现频率最高的k 项目

我的理解是，这可以通过微批处理来完成，在我们开始做一些实际工作之前，我们积累N个项目

hashmap+heap方法对我来说很容易理解。我们遍历微批次并通过计算元素构建频率图（例如，

{B:34，D:65，C:9，a:84，}

）。然后，我们通过遍历频率映射来维护大小为k的最小堆，根据需要使用每个

[item]：[freq]

添加到堆中并从堆中逐出。直截了当，没有什么花哨

现在有了CMS+heap，而不是hashmap，我们有了这个概率有损2D数组，我们通过遍历微批来构建它。问题是：考虑到这个CMS，我们如何保持最小堆大小k？

CMS只包含一组数字，而不是原始项目。除非我还从微批处理中保留了一组独特的元素，否则我无法知道最终需要针对哪些项构建堆。但是，如果我这样做了，那不是违背了使用CMS来节省内存空间的目的吗

我还考虑在遍历列表时实时构建堆。随着每个项目的到来，我们可以快速更新CMS，并获得该项目在该点的累积频率。但这个频率数字是累积的，这一事实对我帮助不大。例如，使用上面的示例流，我们将得到

[B:1，C:1，A:1，B:2，C:2，A:2，C:3，A:4，…]

。如果我们使用相同的逻辑来更新我们的最小堆，我们将得到错误的答案（重复）

---

我肯定错过了一些东西。请帮助我理解。

下面的解释来自此网站的评论：

我们需要存储密钥，但只存储K个（或更多）。不是全部。 当每一个关键点出现时，我们将执行以下操作：

• 将其添加到count min草图中
• 从“最小计数”草图中获取关键点计数
• 检查当前密钥是否在堆中。如果它出现在堆中，我们将在那里更新它的计数值。如果堆中不存在，则检查堆是否已满。如果未满，则将该键添加到堆中。如果heap已满，则检查最小heap元素，并将其值与当前键计数值进行比较。此时，我们可以删除最小元素并添加当前键（如果当前键计数>最小元素值）