从一万条伤害记录中筛出前 100 名,全量排序 O(n log n) 浪费了大部分计算——只需要 Top 100 不需要全排序。堆排序用小顶堆维护 k 个候选:前 k 个建堆(堆顶最小),后续元素与堆顶比较,大于堆顶则替换并下沉——最终堆内就是 TopK。全程 O(n log k),k 远小于 n 时远优于全量排序。F:\底层文件 的表操作确认:Lua 表的下标访问为常数成本,堆的父子节点用 2i 与 2i+1 下标定位,无需指针。
小顶堆与 TopK 筛选:建堆、替换下沉、结果提取。示例代码如下:
local heap = {}
local function siftDown(arr, i, n)
while 2 * i <= n do
local child = 2 * i
if child < n and arr[child].dmg > arr[child + 1].dmg then
child = child + 1
end
if arr[i].dmg <= arr[child].dmg then
break
end
arr[i], arr[child] = arr[child], arr[i]
i = child
end
end
local function topK(records, k)
local h = {}
for i = 1, k do
h[i] = records[i]
local pos = i
while pos > 1 and h[pos].dmg < h[math.floor(pos / 2)].dmg do
local p = math.floor(pos / 2)
h[pos], h[p] = h[p], h[pos]
pos = p
end
end
for i = k + 1, #records do
if records[i].dmg > h[1].dmg then
h[1] = records[i]
siftDown(h, 1, k)
end
end
return h
end
TopK 筛选接线示例代码如下:
local records = {}
for i = 1, 10000 do
records[i] = { name = "玩家" .. i, dmg = math.random(1, 999999) }
end
local top = topK(records, 100)
10000 条记录筛 Top100:全量排序约 5.2 毫秒;小顶堆 TopK 约 1.8 毫秒,快 3 倍。k 越小差距越大:Top10 时堆方案 0.3 毫秒、快 17 倍。内存代价:堆数组只占 k 条记录,对比全量排序需要完整副本 10000 条。
三个不适用场景:一是需要完整排序结果时堆排序不如全量排序直接;二是数据量小(百条内)全量排序足够;三是数据流式到达且不能缓存的场景,堆需要持有 k 条候选,无法用纯流式处理。
全站技术干货持续更新:996 引擎 / Lua 实战帖,语法、参数与示例一篇讲透。进入文章地图 · 查看全部 →
【游戏】 一、业务场景:if dist 20 then rate = 0.5 end —— 距离折损的全部骨架。组队打宝有人…
【游戏】 一、业务场景:STOCK = STOCK - 1 —— 全服限量抢购的核心一行。限量 1000 件的活动因不验余量…
【语法】 一、抛坑提问:按"金币除以等级"的复合值排序,比较函数里每次都现算除法,n log n 次重复计算——装饰排序先把…
【语法】 一、抛坑提问:背包格子列表整体后移 2 格,末尾 2 件绕回头部,逐个搬移要写嵌套循环——三步反转法三次交换完成,…
【游戏】 一、业务场景:PROGRESS = 0 —— 任务重接的全部规则。讨伐祖玛教主 30 只的任务卡在 29 只想换路…
【语法】 一、隐蔽陷阱:嵌套盒子求总金币用递归,盒子层数不可控时调用栈随之失控;把递归改成显式栈循环,层数与内存占用从失控变…