了解我们正在谈论的是哪种数据将是很好的。存在多少个用户？平均有多少人会在线？“可见用户”与所有用户的比例（稀疏与密集）相比如何？
修改算法 不要先弹出 算法 ，而是从在线用户集中选择随机元素。这将改善平衡，并可能有助于分摊复杂度，具体取决于这两套比率！
替代算法（结构更清晰；最坏的情况仍然很糟糕；如果稀疏 出现 ，应该会很好）
- 始终 视为 平衡树（插入O（log n））
- 保持 在线 平衡状态。
- 虽然没有足够的用户选择：
- 搜索 可见的 第一个间隙（例如[0,1,3,7]-> 2;根据SO-link的 O（log n））
- 搜索> =差距值（O（log n））的第一个用户
- 如果用户<next_gap_neighbor（在上面的示例中：3；在选择间隙2之后的下一个值）
- ->选择
- 其他
- -> 暂时 添加选择间隙值（此刻；模型决定 在线 更新的频率）以 查看 或以某种方式将搜索限制为>选择间隙值（O（log n））
根据数据，这应该工作非常好，如果数据是巨大的， 看到的 是稀疏的！
