这是一道经典的模拟题，主要考察对优先队列（堆）和有序集合（TreeSet）的灵活运用。

📌 核心思路

我们需要模拟请求到达和处理的过程。对于每一个请求，我们需要做两件事：
1.  释放服务器：检查有哪些服务器在当前请求到达时已经完成了任务，将它们从“忙碌”状态变为“空闲”状态。
2.  分配服务器：根据题目规则（优先 (i % k)，否则找下一个空闲的），在空闲服务器中找到合适的一个来处理当前请求。

🛠️ 数据结构选择

为了高效地完成上述操作，我们使用以下数据结构：

1.  TreeSet free：
    *   用来存储当前空闲服务器的编号。
    *   为什么用它？ 题目要求如果 (i % k) 被占用，要找“下一个”空闲服务器。TreeSet 是有序的，我们可以使用 ceiling(x) 方法快速找到大于等于 x 的最小编号。如果找不到，再找最小的编号（即从头开始找），这完美契合了“环形查找”的需求。

2.  PriorityQueue busy：
    *   用来存储当前忙碌的服务器，按任务结束时间从小到大排序（小顶堆）。
    *   数组元素为 [结束时间, 服务器编号]。
    *   为什么用它？ 每次新请求到达时，我们需要知道哪些服务器已经空闲了。通过堆顶元素，我们可以快速判断最早结束的任务是否在当前时间之前完成。

📝 步骤详解

1.  初始化：所有 0 到 k-1 的服务器一开始都是空闲的，加入 free 集合。
2.  遍历请求：对于第 i 个请求（到达时间 arrival[i]，耗时 load[i]）：
    *   更新状态：检查 busy 堆顶，如果堆顶任务的结束时间 = target 的最小值（ceiling(target)）。
        *   如果找不到（说明 target 及其后面的都忙），则找 free 中最小的值（first()，即从 0 开始找）。
    *   处理请求：如果找到了空闲服务器，将其从 free 移除，加入 busy（结束时间为 arrival[i] + load[i]），并增加该服务器的处理计数。
3.  统计结果：遍历计数数组，找出处理请求数最多的服务器编号。

💻 Java 代码实现

import java.util.*;

class Solution {
    public List busiestServers(int k, int[] arrival, int[] load) {
        // 1. 初始化数据结构
        // 存储空闲服务器编号，TreeSet 保证有序，方便查找 >= target 的最小值
        TreeSet free = new TreeSet();
        for (int i = 0; i  busy = new PriorityQueue((a, b) -> a[0] - b[0]);

        // 统计每个服务器处理的请求数
        int[] count = new int[k];

        // 2. 遍历每个请求
        for (int i = 0; i = target 的最小空闲服务器
            selectedServer = free.ceiling(target);

            // 如果找不到（说明 target 到 k-1 都在忙），则找从头开始找（0 到 target-1）
            if (selectedServer == null) {
                selectedServer = free.first();
            }

            // 6. 分配请求
            // 从空闲集合移除
            free.remove(selectedServer);
            // 加入忙碌队列
            busy.offer(new int[]{endTime, selectedServer});
            // 计数加一
            count[selectedServer]++;
        }

        // 7. 找出处理请求最多的服务器
        List result = new ArrayList();
        int maxRequests = 0;
        for (int c : count) {
            maxRequests = Math.max(maxRequests, c);
        }

        for (int i = 0; i < k; i++) {
            if (count[i] == maxRequests) {
                result.add(i);
            }
        }

        return result;
    }
}

⏱️ 复杂度分析

*   时间复杂度：O((n + k) log k)
    *   初始化 TreeSet 需要 O(k log k)。
    *   遍历 n 个请求，每个请求最多进出 TreeSet 和 PriorityQueue 一次。TreeSet 的查找（ceiling）、插入、删除操作均为 O(log k)，堆操作也是 O(log k)。
*   空间复杂度：O(k)
    *   free 集合和 busy 堆最多存储 k 个元素，count 数组长度为 k。

💡 关键点提示
*   free.ceiling(target) 是解题的核心，它避免了线性扫描查找下一个空闲服务器，大大降低了时间复杂度。
*   注意处理环形查找的逻辑：如果 ceiling 返回 null，记得回退到 first()。