T7-品类隔离算法

小数据量用全量排序 + 向前过滤的情况。采出来的位置置为null；

2021.10.19
假设有一些系列的资源，每个资源有自己的id(int)、score（doule）、type（str），
将其按score降序排序，尽量推荐给用户score高的资源；但是要求连续6条资源的type互不相同
输入： "\t"分隔， 每行一个资源：id, score, type
输出：推荐给用户的top 10的结果
step1 : 确定type类型，每一类用最大堆结构维护
public static class Item{
    int id;
    double socre;
    String str;
    // 构造函数
}
//构建候选资源池子
public static  void process(Item[] items ){
    HashMap<String, PriorityQueue<Item>> map = new HashMap();
    for(int  i = 0 ;i < item.length; i++){    
        if(map.containsKey(item.type)){
            PriorityQueue<Item> temp = map.get(items[i].type);
            temp.add(items[i]);
        }else{
            PriorityQueue<Item> temp = new LinkedList(new MyCompara);
            temp.add(items[i]);
            map.put(items[i].type, temp);
        }
    }
}
step2: 对每一个列表按照score大小排序，也可以将初始化的数据结构改成最小堆PriorityQueue。
step3： 轮询采样。
public static Item[] invoke(Map<String, List<Item>> map){
    Item[] result = second(map, 10, 6)    
}
public static Item[] second(Map<String, List<Item>> map, int n, int diff ) {
    PriorityQueue<Item> maxScoreQueue= new PriorityQueue();
    for(int i = 0 ; i < Math.min(diff, map.size()); i ++){
        PriorityQueue curQueue = map.get(i);
        maxScoreQueue.add(curQueue.poll());
    }
    Item[] result = new Item(n);
    //尽可能按score由大到小，同时品类隔离。
    int index = 0;
    while(index < n){
    String[] sequeceType = new String[diff];    
    if(index< diff){
        Item curItem =  maxScoreQueue.poll()
        result[index++] = curItem;
        sequenceType[index] =  curItem.type;
    }else{
        String firstType = sequenceType[0];
        Item attachItem = map.get(firstType).poll;
    }
}
    // 如果不足，需要补足；
    if(index < n){
        for(int i = 0 ; i < map.size(); i ++){
            PriorityQueue curQueue = map.get(i);
            maxScoreQueue.add(curQueue.poll());
        }
        while(index < n ){
        if(!maxScoreQueue.isEmpty()){
            result[index++] = maxScoreQueue.poll();
            }else break;
        }
    }
}