一 . 一千万个数字，选前10个。
A:
1. 读取时，建最小堆。这样的话，初始建堆的复杂度时 n*log(n)
2. 然后每次取出a[0]点,取出后用a[heaplen-1] 放到a[0]处进行下滤, 每次的时将复杂度在 log(n)
连续10次.
这样的话就是n*log(n)+10*log(n). 也就是O(n*log(n));

B:
选择排序10， 10*n， 我觉得这个比A合适。

C:
先取前十个数字，组成一个大根堆， 然后每多读取一个数字和根比较。如所输入的元素小于根，那么替换根。并进行下滤
来调整堆。 这样的话，每次调整堆的负责度十log（10）， 如此的话，一共复杂度时n*log（10）。

D:
更快的跑一遍的算法， 我暂时想不出来了。

二. 找最近公共父节点
A.
如果是顺序存储的话，那么比较好办，除2除2比较元素值是不是同一个。每次除idx比较大者。
如果指针结构的话：
1.
   回溯。 复杂度不好
2.
   因为,可以先得到a和b的各自的深度, 又一个深度差=d... 这个时候可以从深度较大者向上d次,此时a,b同时往回   找到,如果遇到元素一样的,则可判断时最近公共父节点.
   [这个是旁边的同学提示用深度想想看,才想出来的,非原创]
   时间复杂度,depth_a+depth_b+x,O(n)的.
3.
   恩,每个点有自己的一个编号i, 那么设a和b各自的标号为j,k. 此事,设bool path[i]标记从a出发, 自下而上的路径中的节点,用编号i把path[i]置true.直遇到根节点.这个时候, 又从b开始自下而上的找, 如果在自上而下的途中,遇到有path[i]是true的点.那么可以肯定这个点是a和b的公共父节点. (depth_a+depth_b1)<=(depth_a+depth_b),也是O(n)的.

都是紧张惹的祸，其实挂去电话后，很快的就想到了。两轮，这个是第二轮的。还好，还是进了。运气吧，运气太重要。