1 亿个数据取出最大前 100 个有什么方法

要从1亿个数据中找出最大的前100个，通常可以使用堆（Heap）数据结构来实现，特别是最小堆（Min Heap）。

以下是一种常见的方法：

1. 创建一个最小堆，并将前100个数据插入堆中。
2. 遍历剩余的数据，对于每个数据，如果它比堆顶的元素大，就将堆顶元素弹出，然后将当前数据插入堆中。
3. 继续遍历所有数据，不断地维护堆，确保堆中保留的是最大的100个数据。
4. 当遍历完成后，堆中的元素就是前100个最大的数据。

这种方法的时间复杂度是O(N * log(100))，其中N是数据总数，因为在堆中保持了100个元素。这比将所有数据排序的时间复杂度要低得多。

在Java中，你可以使用PriorityQueue（优先队列）来实现最小堆，PriorityQueue默认是最小堆，因此可以很方便地解决这个问题。以下是一个示例代码：

import java.util.PriorityQueue;

public class Top100LargestNumbers {
    public static int[] findTop100LargestNumbers(int[] nums) {
        PriorityQueue<Integer> minHeap = new PriorityQueue<>(100);

        for (int num : nums) {
            if (minHeap.size() < 100) {
                minHeap.offer(num);
            } else if (num > minHeap.peek()) {
                minHeap.poll();
                minHeap.offer(num);
            }
        }

        int[] result = new int[100];
        for (int i = 0; i < 100; i++) {
            result[i] = minHeap.poll();
        }

        return result;
    }

    public static void main(string[] args) {
        int[] nums = { /* 1亿个数据 */ };
        int[] top100 = findTop100LargestNumbers(nums);
        for (int num : top100) {
            System.out.println(num);
        }
    }
}

这段代码中，我们使用PriorityQueue来维护最小堆，然后遍历1亿个数据，将前100个最大的数据保存在堆中。最后，我们将堆中的元素取出，就得到了前100个最大的数据。