锥体高效计算中位数与优化TopK流程

问题一 ：给定一个按照从大到小顺序排列的数组，其长度为13，中位数的数值为18

    int arr[] = new int[]{1, 3, 5, 6, 11, 14, 18, 21, 27, 29, 31, 56, 59}
    

然而，我们所处理的数组具有动态特性，每次插入新数据时都需要重新计算中位数，这会导致原有结构的破坏，并且需要频繁进行排序操作，从而显著降低运行效率。

我们的设计思路是通过维护两个堆结构来实现这一目标。其中，大顶堆用于存储0至5之间的元素，而小顶堆则用于存储6至12之间的元素，这样小顶堆的堆顶元素即为当前数据集的中位数。

针对问题二： 如何从一个动态变化的数组中提取排名前k的数据？举个实际应用场景，例如在百度文章搜索量的动态计算过程中，如何实时获取排名前10的文章（由于文章的搜索量是持续变化的，若每次均通过遍历方式计算topK，则会带来极大的时间消耗）。

大顶堆的特点在于其堆顶元素代表整个集合中的最大值；同理，小顶堆的堆顶元素则对应整个集合中的最小值。

在此实现过程中，我们选择采用数组形式来构建堆结构（当然也可以使用链表形式作为替代方案）。

大顶堆代码：

 package com.jxd.test;

    
  
    
 public class BigHeap {