什么是堆？

堆其實就是一種特殊的隊列——優先隊列。

普通的隊列游戲規則很簡單：就是先進先出；但這種優先隊列搞特殊，不是按照進隊列的時間順序，而是按照每個元素的優先級來比拼，優先級高的在堆頂。

這也很容易理解吧，比如各種軟件都有會員制度，某軟件用了會員就能加速下載的，不同等級的會員速度還不一樣，那就是優先級不同呀。

還有其實每個人回復微信消息也是默默的把消息放進堆里排個序：先回男朋友女朋友的，然后再回其他人的。

這里要區別于操作系統里的那個“堆”，這兩個雖然都叫堆，但是沒有半毛錢關系，都是借用了 Heap 這個英文單詞而已。

我們再來回顧一下「堆」在整個 Java 集合框架中的位置：

也就是說，PriorityQueue 是一個類 (class)；

PriorityQueue 繼承自 Queue 這個接口 (Interface)；

那 heap 在哪呢？

heap 其實是一個抽象的數據結構，或者說是邏輯上的數據結構，并不是一個物理上真實存在的數據結構。heap 其實有很多種實現方式，比如 binomial heap, Fibonacci heap 等等。但是面試最常考的，也是最經典的，就是 binary heap 二叉堆，也就是用一棵完全二叉樹來實現的。

那完全二叉樹是怎么實現的？

其實是用數組來實現的！所以 binaryheap/PriorityQueue 實際上是用數組來實現的。這個數組的排列方式有點特別，因為它總會維護你定義的(或者默認的)優先級最高的元素在數組的首位，所以不是隨便一個數組都叫「堆」，實際上，它在你心里，應該是一棵「完全二叉樹」。這棵完全二叉樹，只存在你心里和各大書本上；實際在在內存里，哪有什么樹？就是數組罷了。那為什么完全二叉樹可以用數組來實現？是不是所有的樹都能用數組來實現？這個就涉及完全二叉樹的性質了，我們下一篇會細講，簡單來說，因為完全二叉樹的定義要求了它在層序遍歷的時候沒有氣泡，也就是連續存儲的，所以可以用數組來存放；第二個問題當然是否。

堆的特點堆是一棵完全二叉樹；

堆序性 (heap order): 任意節點都優于它的所有孩子。a. 如果是任意節點都大于它的所有孩子，這樣的堆叫大頂堆，Max Heap;b. 如果是任意節點都小于它的所有孩子，這樣的堆叫小頂堆，Min Heap;左圖是小頂堆，可以看出對于每個節點來說，都是小于它的所有孩子的，注意是所有孩子，包括孫子，曾孫...既然堆是用數組來實現的，那么我們可以找到每個節點和它的父母/孩子之間的關系，從而可以直接訪問到它們。比如對于節點 3 來說，它的 Index = 1，

它的 parent index = 0,

左孩子 left child index = 3,

右孩子 right child index = 4.可以歸納出如下規律：設當前節點的 index = x,

那么 parent index = (x-1)/2,

左孩子 left child index = 2*x + 1,

右孩子 right child index = 2*x + 2.有些書上可能寫法稍有不同，是因為它們的數組是從 1 開始的，而我這里數組的下標是從 0 開始的，都是可以的。這樣就可以從任意一個點，一步找到它的孫子、曾孫子，真的太方便了，在后文講具體操作時大家可以更深刻的體會到。

基本操作任何一個數據結構，無非就是增刪改查四大類：功能方法時間復雜度增offer(E e)O(logn)

刪poll()O(logn)

改無直接的 API刪 + 增

查peek()O(1)這里peek()的時間復雜度很好理解，因為堆的用途就是能夠快速的拿到一組數據里的最大/最小值，所以這一步的時間復雜度一定是O(1)的，這就是堆的意義所在。那么我們具體來看offer(E e)和poll()的過程。

offer(E e)比如我們新加一個0到剛才這個最小堆里面：那很明顯，0 是要放在最上面的，可是，直接放上去就不是一棵完全二叉樹了啊。。所以說，我們先保證加了元素之后這棵樹還是一棵完全二叉樹，

然后再通過 swap 的方式進行微調，來滿足堆序性。這樣就保證滿足了堆的兩個特點，也就是保證了加入新元素之后它還是個堆。那具體怎么做呢：

Step 1.先把 0 放在最后接上，別一上來就想著上位；OK！總算先上岸了，然后我們再一步步往上走。這里「能否往上走」的標準在于：

是否滿足堆序性。也就是說，現在 5 和 0 之間不滿足堆序性，那么交換位置，換到直到滿足堆序性為止。這里對于最小堆來說的堆序性，就是小的數要在上面。

Step 2. 與 5 交換此時 0 和 3 不滿足堆序性了，那么再交換。

Step 3. 與 3 交換還不行，0 還比 1 小，所以繼續換。

Step 4. 與 1 交換OK！這樣就換好了，一個新的堆誕生了～總結一下這個方法：先把新元素加入數組的末尾，再通過不斷比較與 parent 的值的大小，決定是否交換，直到滿足堆序性為止。這個過程就是siftUp()，源碼如下：

時間復雜度這里不難發現，其實我們只交換了一條支路上的元素，也就是最多交換O(height)次。那么對于完全二叉樹來說，除了最后一層都是滿的，O(height) = O(logn)。所以offer(E e)的時間復雜度就是O(logn)啦。

poll()poll()就是把最頂端的元素拿走。對了，沒有辦法拿走中間的元素，畢竟要 VIP 先出去，小弟才能出去。那么最頂端元素拿走后，這個位置就空了：我們還是先來滿足堆序性，因為比較容易滿足嘛，直接從最后面拿一個來補上就好了，先放個傀儡上來。

Step1. 末尾元素上位這樣一來，堆序性又不滿足了，開始交換元素。那 8 比 7 和 3 都大，應該和誰交換呢？假設與 7 交換，那么 7 還是比 3 大，還得 7 和 3 換，麻煩。所以是與左右孩子中較小的那個交換。

Step 2. 與 3 交換下去之后，還比 5 和 4 大，那再和 4 換一下。

Step 3. 與 4 交換OK！這樣這棵樹總算是穩定了。總結一下這個方法：先把數組的末位元素加到頂端，再通過不斷比較與左右孩子的值的大小，決定是否交換，直到滿足堆序性為止。這個過程就是siftDown()，源碼如下：

時間復雜度同樣道理，也只交換了一條支路上的元素，也就是最多交換O(height)次。所以offer(E e)的時間復雜度就是O(logn)啦。

heapify()還有一個大名鼎鼎的非常重要的操作，就是heapify()了，它是一個很神奇的操作，

可以用O(n)的時間把一個亂序的數組變成一個 heap。但是呢，heapify()并不是一個 public API，看：所以我們沒有辦法直接使用。唯一使用heapify()的方式呢，就是使用PriorityQueue(Collection extends E> c)這個 constructor 的時候，人家會自動調用 heapify() 這個操作。

那具體是怎么做的呢？

哈哈源碼已經暴露了：

從最后一個非葉子節點開始，從后往前做siftDown().因為葉子節點沒必要操作嘛，已經到了最下面了，還能和誰 swap？舉個例子：我們想把這個數組進行heapify()操作，想把它變成一個最小堆，拿到它的最小值。那就要從 3 開始，對 3，7，5進行siftDown().

Step 1.尷尬 ?，3 并不用交換，因為以它為頂點的這棵小樹已經滿足了堆序性。

Step 2.7 比它的兩個孩子都要大，所以和較小的那個交換一下。交換完成后；

Step 3.最后一個要處理的就是 5 了，那這里 5 比它的兩個孩子都要大，所以也和較小的那個交換一下。換完之后結果如下，注意并沒有滿足堆序性，因為 4 還比 5 小呢。所以接著和 4 換，結果如下：這樣整個heapify()的過程就完成了。

好了難點來了，為什么時間復雜度是 O(n) 的呢？怎么計算這個時間復雜度呢？其實我們在這個過程里做的操作無非就是交換交換。那到底交換了多少次呢？沒錯，交換了多少次，時間復雜度就是多少。那我們可以看出來，其實同一層的節點最多交換的次數都是相同的。那么這個總的交換次數 = 每層的節點數 * 每個節點最多交換的次數這里設 k 為層數，那么這個例子里 k=3.每層的節點數是從上到下以指數增長：每個節點交換的次數，從下往上就是：那么總的交換次數 S(k) 就是兩者相乘再相加：這是一個等比等差數列，標準的求和方式就是錯位相減法。那么兩者相減得：化簡一下：(不好意思我實在受不了這個編輯器了。。。所以heapify()時間復雜度是O(n).以上就是堆的三大重要操作，最后一個heapify()雖然不能直接操作，但是堆排序中用到了這種思路。有道無術，術可成；有術無道，止于術

歡迎大家關注Java之道公眾號

好文章，我在看??

總結

以上是生活随笔為你收集整理的java堆与非堆的一些研究_堆和堆傻傻分不清？一文告诉你 Java 集合中「堆」的最佳打开方式...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。