直接回答

Top K 的标准解法是维护一个大小为 K 的最小堆：遍历数据，堆未满直接入堆；堆满后若新元素大于堆顶则替换堆顶并调整。遍历结束堆中即最大的 K 个，时间 O(n log K)、空间 O(K)，适合流式和内存受限的海量数据场景。

展开解析

为什么用最小堆而不是最大堆：要找最大的 K 个，淘汰的候选是堆内最小者，堆顶 O(1) 给出当前第 K 大。对比其他方案：全排序 O(n log n)，数据大时不可行；快速选择（QuickSelect）平均 O(n)，但要求数据一次性可随机访问，且会修改数组；分治法把数据分片各自求 Top K 再归并，适合分布式。追问方向：Top K 高频词（先哈希计数再堆）、要求结果有序（堆弹出即升序）、近似海量场景用 Count-Min Sketch 估算频率再堆排、去重逻辑如何处理。易错点：建堆顺序——先填满 K 个再开始比较替换，比较方向写反得到的是 Bottom K。