一個較好的方法：先拿出10000個建立小根堆，對於剩下的元素，如果大於堆頂元素的值，刪除堆頂元素，再進行插入操作，否則直接跳過，這樣知道所有元素遍歷完，堆中的10000個就是最大的10000個。時間復雜度: m + (n-1)logm = O(nlogm)
優化的方法：可以把所有10億個數據分組存放，比如分別放在1000個文件中（如果是字符串hash(x)%M）。對每個文件，建立大小為10000的小根堆，然后按有序數組的合並合並起來，取出最大的10000個即是答案。
top K問題
在大規模數據處理中，經常會遇到的一類問題：在海量數據中找出出現頻率最好的前k個數，或者從海量數據中找出最大的前k個數，這類問題通常被稱為top K問題。例如，在搜索引擎中，統計搜索最熱門的10個查詢詞；在歌曲庫中統計下載最高的前10首歌等。
解決方法：針對top K類問題，通常比較好的方案是分治+Trie樹/hash+小頂堆（就是上面提到的最小堆），即先將數據集按照Hash方法分解成多個小數據集，然后使用Trie樹或者Hash統計每個小數據集中的query詞頻或頻數，之后用小頂堆求出每個數據集中出現頻率最高的前K個數，最后在所有top K中求出最終的top K。
簡陋的實現：
估計能處理1e8個整數（約400M）吧
#include<bits/stdc++.h> using namespace std; int n, k, tmp; priority_queue<int, vector<int>, greater<int>>qu; int main() { scanf("%d%d", &n, &k); for(int i = 0;i < k;i++) { scanf("%d", &tmp); qu.push(tmp); } for(int i = 0;i < n-k;i++) { scanf("%d", &tmp); if(tmp > qu.top()) { qu.pop(); qu.push(tmp); } } for(int i = 0;i < k;i++) { printf("%d ", qu.top()); qu.pop(); } return 0; }
參考鏈接：