当年我还是个学生的时候，有一次去参加欢聚时代的一个面试，有一道面试题记忆尤新，让你来实现一个定时任务，你会怎么做?为了简化问题，我们只用考虑内存方案，不用考虑数据持久化。
数组法
最简单的，我们可以把所有的任务存放在一个数组里面，然后，每隔单位时间遍历整个数组，找到是否有任务满足当前时间，如果有，那么从数组中取出，然后执行。每隔单位时间查询算法复杂度为O(N)。
那么，新增一个任务怎么操作呢?我们只要简单地往数组中追加一个元素即可，算法时间复杂度为O(1)
优先队列法
评估一个算法，我们既要考虑它的查询算法复杂度，也要考虑他的插入算法复杂度。在定时任务场景中，很显然，查询场景是非常多的。几乎我们每个单位时间都要轮询一遍，那么我们有没有优化算法的可能呢?
我们每次查询，都只要查询时间最接近当前时间的，时间比当前时间更早的，肯定被我们丢弃了。所以这个题目，等价于我们查询队列里面时间最小的。我们不禁想到一个熟悉的数据结构，优先队列!活着我们可以使用一个小根堆进行实现。
每次我们插入一个新的定时任务，我们将一个任务插入优先队列，每次插入的时候，队列内部需要进行调整，算法时间复杂度为O(logN)。值得注意的是，在讨论算法时间复杂度的时候，logN是Base2的，也就是说，如果N等于8的时候，logN就是3。
同理，虽然我们可以在O(1)的时间里面找到时间最小的任务，但是如果我们取出这个元素，优先队列需要做内部的调整，这个算法时间复杂度也是O(logN)的。
时间轮法
上述优先队列的算法，综合算法时间复杂度是O(logN)的，已经很高效了，但是在我们大并发的分布式系统下，这个速度，还是太慢了。我们有没有更高效的算法呢?
那便是时间轮算法，时间轮是一个环形队列，按照时间的单位区分，我们假设1秒，每个单位里面，是一个链表，用来存储定时任务。
可能你会问，一个环形队列里面的元素，毕竟是优先的，如果超过了长度，我们该怎么办呢?我们可以联想到我们家里的水表，是不是也有很多个轮子，每一个轮子的单位不一样!
同样，时间轮也是如此，我们可以用多级时间轮进行优化，就跟我们的时钟或者水表一样，这一层的走了一圈，下一层的才走了一格。
那么，这个算法的 时间复杂度怎么计算呢?插入的时候，我们从低层开始查找，找到在哪一层，然后直接插入对应的刻度。假如我们的时间轮有5层，那么我们最多查找5次。
查询的时候，我们每一秒都是推动时间轮的滚动，每次都是直接取队首的元素，相当于算法时间复杂度为O(1)。当转了一圈的时候，把下一层的下一格再推下来。这样子，我们一个元素，最多会从第5层，逐渐插到第1层，综合下来一个元素最多会被插入5次，在算法时间复杂度评估的时候，我们通常会忽略常数，最终算法时间复杂度为O(1)。
总结
一个非常简单的面试题，竟然有好几种不同的解法。这才是算法与数据结构的魅力，欢迎大家关注我，共同学习，共同进步。大家的支持是我继续唠嗑的动力。
