在处理连续数据流时，仅保留 map 中值最大的 5 个键值对，需避免每次遍历全量 values；可通过最小堆+双向映射或精简的“动态最小值跟踪”策略实现 o(1) 平均插入与 o(log 5) 维护，兼顾正确性与高性能。
在处理连续数据流时，仅保留 map 中值最大的 5 个键值对，需避免每次遍历全量 values；可通过最小堆+双向映射或精简的“动态最小值跟踪”策略实现 o(1) 平均插入与 o(log 5) 维护，兼顾正确性与高性能。
要高效维护一个动态 Map 中值最大的前 5 个键值对（支持流式插入、自动淘汰最小值），核心挑战在于：不能每次插入都调用 Collections.min(map.values()) —— 这会导致 O(n) 时间复杂度，严重拖慢高吞吐流处理。
✅ 推荐方案：使用 PriorityQueue<map.entry integer>></map.entry>（最小堆） + 主 Map 双向协同
该方案时间复杂度为 O(log 5) ≈ O(1) 每次插入，空间复杂度 O(5)，且天然支持重复值（因 PriorityQueue 允许重复元素，比较仅基于 value）：
import java.util.*;
public class Top5Tracker {
private final Map<String, Integer> map = new HashMap<>();
// 最小堆：按 value 升序，容量固定为 5
private final PriorityQueue<Map.Entry<String, Integer>> minHeap =
new PriorityQueue<>((a, b) -> Integer.compare(a.getValue(), b.getValue()));
public void add(String key, int value) {
// 若尚未满 5 个，直接加入
if (map.size() < 5) {
map.put(key, value);
minHeap.offer(Map.entry(key, value));
return;
}
// 已满：检查当前 value 是否大于堆顶（即当前最小值）
if (value > minHeap.peek().getValue()) {
// 移除旧最小项（从 map 和 heap 同时清理）
Map.Entry<String, Integer> toRemove = minHeap.poll();
map.remove(toRemove.getKey());
// 插入新项
map.put(key, value);
minHeap.offer(Map.entry(key, value));
}
// 若 value ≤ 当前最小值，直接丢弃（不插入）
}
public Map<String, Integer> getTop5() {
return new HashMap<>(map); // 返回不可变快照（如需线程安全可包装为 unmodifiableMap）
}
}? 关键设计说明：
-
minHeap始终只存 map 中的 entry，且大小恒为 ≤5；堆顶即当前 5 个值中的最小者； -
map是主存储，提供 O(1) 查找与更新；minHeap仅用于快速判定是否应淘汰——无需遍历全量； - 允许重复 value（如示例中两个
2）：PriorityQueue不去重，仅按 value 排序，key 不同即视为不同 entry； - 删除操作通过
minHeap.poll()+map.remove(key)同步完成，保证一致性。
⚠️ 注意事项：
- 若需严格保持插入顺序（如相同 value 时优先保留先到者），可在
Comparator中加入System.identityHashCode(entry.getKey())辅助比较； - 多线程环境下需加锁（如
synchronized或使用ConcurrentHashMap+ReentrantLock），但本方案本身无内在竞态； - 切勿仅依赖
minValue变量（如原始答案所示）——它无法应对多个相同最小值（如[2,2,2,3,4]中插入2应保留，而非错误替换），堆结构是正确性的保障。
✅ 验证示例流程：
初始：{Key1=1, Key2=2, Key3=2, Key4=3, Key5=4} → 堆顶=1
插入 (Key6,5)：5 > 1 → 移除 Key1=1，加入 Key6=5 → 新 map={Key2=2, Key3=2, Key4=3, Key5=4, Key6=5} ✔️
此方案兼顾简洁性、健壮性与工业级性能，是流式 Top-K 统计的经典实践。
