最常用高效方式是hashmap统计频次后用最小堆或排序取top-k：先遍历数据用map.merge或compute更新频次，再用priorityqueue（o(n log k)）或stream.sorted（o(m log m)）获取前k项。
直接用 HashMap 统计频次，再结合优先队列（最小堆）或排序取前 K，是最常用且高效的方式。关键不在 HashMap 本身，而在“统计后如何高效选出 Top-K”。
用 HashMap 统计频次
这是第一步，也是最轻量的一步：遍历数据，以元素为 key、出现次数为 value 累加。
- 字符串、数字、自定义对象（需正确重写 hashCode() 和 equals()）都可作为 key
- 推荐使用 Map
，更新时用 map.merge(item, 1, Integer::sum)或map.compute(item, (k,v) -> v == null ? 1 : v + 1)，线程不安全但快 - 如果数据来自文件/流/数据库，边读边 put，避免全量加载到内存
用最小堆（PriorityQueue）找 Top-K
当 K 远小于总不同元素数（比如 10 万种元素里取前 10），堆比全排序更省内存、更快（时间复杂度 O(N log K)）。
- 定义最小堆：
PriorityQueue<map.entry integer>> heap = new PriorityQueue((a, b) -> a.getValue() - b.getValue());</map.entry> - 遍历 HashMap 的 entrySet()，每次插入堆；若堆大小超过 K，就 poll 掉最小频次项
- 最后堆中剩下的就是频次最高的 K 个（注意：堆顶是最小的，所以结果需倒序输出）
用 Stream + sorted 取前 K（适合中小规模）
代码简洁，适合 K 不大、不同元素总数可控（比如 ≤ 10 万）的场景。
list = map.entrySet().stream()<br> .sorted(Map.Entry.<t integer>comparingByValue().reversed())<br> .limit(K)<br> .collect(Collectors.toList());</t>
- 注意：sorted 是全排序，时间复杂度 O(M log M)，M 是不同元素个数；大数据量时慎用
- 如需稳定顺序（同频次按插入/字典序排），可在 sorted 后加 thenComparing
进阶建议：内存与性能兼顾
面对真正“大量数据”（如上亿条日志），单机 HashMap 可能爆内存，这时要考虑：
- 预过滤：先用布隆过滤器或采样快速排除低频项
- 分片聚合：多线程分段统计（每个线程用局部 HashMap），最后 merge 合并
- 外部排序/Spark：超大规模时交给分布式框架，HashMap 只做单机阶段的汇总单元
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
