leetcode-703：数据流中的第K大元素

设计一个找到数据流中第K大元素的类（class）。注意是排序后的第K大元素，不是第K个不同的元素。

你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器，它包含数据流中的初始元素。每次调用 KthLargest.add，返回当前数据流中第K大的元素。
示例:

int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3); // returns 4
kthLargest.add(5); // returns 5
kthLargest.add(10); // returns 5
kthLargest.add(9); // returns 8
kthLargest.add(4); // returns 8

解一：
因为在比较的数据流中的数据是固定的（K个元素比较），第一种方式就是每K个元素进行排序，排序的话用快排即可，时间复杂度是klogk，然后一共进行n-k次，所以整体的时间复杂度是O(nk*logk),
这个直接for循环，在循环内将k个元素排序即可，代码就不写了～

解二：
在固定的K个元素中查找第K大元素，我们可以维护一个小顶堆（堆顶的元素是最小的，也就是第K大元素），在K窗口每次向前移动时，新进入的元素会同堆顶元素比较，如果比堆顶元素还小，则不做任何操作；如果比堆顶元素大，则将堆顶元素移除，将新元素加入堆中并维护堆，整体下来时间复杂度为O(nlogk):

    class KthLargest {
        private PriorityQueue<Integer> q;
        int k;
        public KthLargest(int k, int[] nums) {
            this.k = k;
            q = new PriorityQueue(k);
            for (int n : nums) {
                add(n);
            }
        }
        public int add(int val) {
            if (q.size() < k) {
                q.offer(val);
            } else {
                if (q.peek() < val) {
                    q.poll();
                    q.offer(val);
                }
            }
            return q.peek();
        }
    }