用PriorityQueue求Top K比排序快，因时间复杂度为O(n log k)而非O(n log n)；需控制堆大小≤K，新元素大于堆顶才offer并poll；取结果必须poll才能有序，toArray等方法不保证顺序。
为什么用 PriorityQueue 做 Top K 比排序快
因为排序要 O(n log n)，而小顶堆维护 K 个元素只要 O(n log k)——当 k （比如百万数据取前 10），性能差一个数量级。Java 的 <code>PriorityQueue 默认是小顶堆，但得手动指定容量和比较器，否则扩容、装箱、默认自然序都可能翻车。
- 不设初始容量：频繁扩容触发数组复制，
offer()平均变慢 - 用
int却传Integer：自动装箱 + 堆中对象引用开销，大数据量下 GC 压力明显 - 没写比较器却依赖
compareTo()：遇到null或非 Comparable 类型直接抛NullPointerException或ClassCastException
PriorityQueue 初始化时必须显式传 Comparator 吗
不是必须，但几乎总是该传。默认构造器依赖元素实现 Comparable，可读性差、容错弱；而显式用 Comparator.reverseOrder()（大顶堆）或 Comparator.naturalOrder()（小顶堆）意图清晰，还能避免 null 元素崩溃。
- 取 Top K 小：用小顶堆 →
new PriorityQueue(k, Comparator.naturalOrder()) - 取 Top K 大：用大顶堆 →
new PriorityQueue(k, Comparator.reverseOrder()) - 自定义字段（如
User.score）：用 lambda，例如(a, b) -> Integer.compare(a.score, b.score)
遍历海量数据时，offer() + poll() 的正确节奏是什么
不是每来一个数就无脑 offer()，而是“超限才踢”。维持堆大小始终 ≤ K：新元素比堆顶（小顶堆的最小值）还大，才入堆并踢掉堆顶。否则跳过。这样堆里永远存着当前见过的最小的 K 个数（小顶堆）或最大的 K 个数（大顶堆）。
PriorityQueue<Integer> heap = new PriorityQueue<>(k, Comparator.reverseOrder()); // 大顶堆，求 Top K 大
for (int num : hugeArray) {
if (heap.size() < k) {
heap.offer(num);
} else if (num > heap.peek()) { // 比堆顶（当前第 K 大）还大
heap.poll();
heap.offer(num);
}
}
- 别用
heap.size() == k && num > heap.peek()替代heap.size() 分支：前者在堆未满时会漏加 -
peek()是O(1)，poll()+offer()是O(log k)，整趟扫描就是O(n log k) - 如果数据源是流（
Stream<integer></integer>），别用forEach，改用iterator()配合 while 循环，避免中间对象创建
从 PriorityQueue 取结果时，顺序能直接用吗
不能。堆结构不保证遍历时有序——toArray()、增强 for、stream().collect() 返回的都是底层数组的杂乱排列，不是按堆序排好的 Top K。必须反复 poll() 才能得到从顶到底的有序结果（大顶堆 poll 出的是降序，小顶堆是升序）。
立即学习“Java免费学习笔记（深入）”；
- 要升序 Top K 小：用小顶堆，然后
while (!heap.isEmpty()) list.add(heap.poll()) - 要降序 Top K 大：用大顶堆，同样
poll()出来就是降序 - 如果只要集合不要顺序（比如只校验存在性），可以不 poll，直接转
ArrayList，但别误以为它已排序 -
PriorityQueue不是线程安全的，多线程写入必须加锁或换PriorityBlockingQueue
最常被忽略的一点：堆的“顶部”是逻辑最小/最大，但内部数组不是排好序的。想当然地认为 toArray() 有顺序，调试半天才发现结果不对。
