二叉堆实现：从混乱到有序的O(n)魔法

八年前，一个前端工程师在面试现场被问到："给你一个乱序数组，怎么最快找出前K大的元素？"他支支吾吾说了排序，面试官摇头。后来才知道，有个叫"堆"的数据结构，能在O(n)时间内原地建堆，每次取极值只要O(log n)。今天这段JavaScript代码，就是当年那个问题的标准答案。

这段实现的核心是个叫BinaryHeap的类，它只做一件事：维护一个"父节点总比子节点优先级高"的不变式。构造函数接收两个参数——一个初始数组和一个优先级比较函数。有意思的是，它不做类型检查，注释里写着"no types here in JS, so we trust"，这种信任在2024年的TypeScript时代反而显得稀缺。

堆的魔法藏在两个私有方法里。#heapifyUp负责插入时的上浮：新元素先丢到数组末尾，然后不断和父节点比较，优先级更高就交换，直到找到合适位置。时间复杂度O(log n)，递归实现消耗O(log n)栈空间，改成循环能压到O(1)。#heapifyDown则处理删除时的下沉：把末尾元素提到根节点，然后和左右孩子比，谁优先级高跟谁换，一路沉到该去的地方。

最反直觉的是#buildHeapInPlace。直觉上建堆应该逐个插入，每次O(log n)，总复杂度O(n log n)。但这段代码从中间往前遍历，对每个非叶子节点做一次下沉。数学上，高度为h的节点最多有⌈n/2^(h+1)⌉个，每个下沉最多h步，求和后收敛到O(n)。这种"从底向上"的策略，是堆排序能打败普通排序的关键。

公开接口很克制：push和pop都是O(log n)，数组长度小于2时直接跳过堆化。代码截断在pop方法中间，但已足够看出设计意图——用私有字段封装内部状态，用函数参数解耦优先级逻辑，不硬编码大小比较。这种灵活性让同一个类既能当最小堆也能当最大堆，全看调用者怎么定义"更高优先级"。

在实际工程里，这种结构支撑着任务调度、合并K个有序流、Dijkstra算法里的优先队列。V8引擎的定时器、Node.js的事件循环、React的调度器，底层都有它的影子。当你下次写setTimeout时，可以想想：你的回调正在某个二叉堆里等着被唤醒呢。