由于数据是动态的，按照一般的做法，比如遍历，当新数据的加入，处理单个操作的时间复杂度为O(n),这样往往造成TLE
通过使用合理的数据结构来存储，比如堆，能够将时间复杂度降低到 logn
703. 数据流中的第K大元素
这个本质的思想就是通过小根堆来求第K大元素，通过限制堆大小为k,以及判断堆顶元素与新加入元素val大小关系，将时间复杂度降低到logn.
有一点需要注意的就是做pop() 一定要检查堆是否为空。
295. 数据流的中位数
通过使用两个堆，一个小根堆存放序列中较大的一部分元素，大根堆存放较小的一部分元素，可以形象的把这个结构想象成一个沙漏
通过堆顶元素就能够很方便的得到数据流的中位数。
当新元素val加入如何维护堆?
- val 先添加到大根堆maxq, 如果maxq.top>minq.top 需要交换两个堆定元素
- 始终保持maxq.size()<=minq.size()+1 这样才能通过堆顶来求中位数