- 博客(293)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 记一次使用GenericObjectPool的体验，避免自己重复造轮子
是 Apache Commons Pool 库中的一个类，它提供了一个通用的对象池的实现，主要用于复用昂贵或稀缺资源，通过维护一组已创建的对象实例来减少创建和销毁对象的开销，从而提高系统性能。GenericObjectPool 允许用户配置和管理一个对象池，包括设置池的最大和最小对象数量、空闲对象过期时间、borrow（获取）和return（归还）对象时的行为策略等。这个类是高度可配置和灵活的，可以适用于多种不同类型的对象和使用场景。对象回收与复用。
2024-07-26 15:01:58
992
2原创 数据结构与算法笔记：实战篇 - 如何用学过的数据结构和算法来实现一个短网址系统？
刚刚讲了，短网址服务的一个核心功能，就是把原始的长网址转化成短网址。除了这个功能之外，短网址服务还有另外一个必不可少的功能。那就是，当用户点击短网址的时候，短网址服务就会将浏览器重定向为原始网址。这个过程是如何实现的呢？为了方便你理解，我画了一张图。从图中可以看出，浏览器会先访问短网址服务，通过短网址获取到原始网址，在通过原始网址访问到页面。不过这部分功能并不是本章要将的重点。我们重点来看，如何将长网址转化成短网址？本章，讲了短网址服务的两种实现方法。第一种实现思路是通过哈希算法生成短网址。
2024-07-04 10:48:10
778
原创 数据结构与算法笔记：实战篇 - 剖析微服务接口鉴权限流背后的数据结构和算法
以防你之前可能对微服务不了解，所以我对鉴权的背景做了简化。假设我们有一个微服务叫用户服务（User Service）。它提供很多用户相关的接口，比如获取用户信息、注册、登录等等，给公司内部的其他应用使用。但是，并不是公司内部所有应用，都可以访问这个用户服务，也并不是每个有权限访问的应用，都可以访问用户的所有接口。给你举个例子。下图只有 A、B、C、D 四个应用可以访问用户服务，并且，每个应用只能访问用户服务的部分接口。要求实现鉴权功能，我们需要事先将应用对接口的访问权限规则设置好。
2024-07-03 21:44:03
983
原创 数据结构与算法笔记：实战篇 - 剖析高性能队列 Disruptor 背后的数据结构和算法
本章，讲解了如何实现一个高性能的并发队列。这里的 “并发”，实际上就是多线程安全的意思。场景的内存队列往往采用循环队列来实现。这种实现方法，对于只有一个生产者和一个消费者的场景，已经足够了。但是，当存在多个生产者和多个消费者时，单纯的循环队列的实现方式，就无法正确工作了。主要是因为，多个生产者同时往队列中写入数据时，在某些情况下，会存在数据覆盖的问题。而多个消费者同时消费数据，在某些情况下，会存在消费重复的问题。针对这个问题，最简单、最暴力的解决方法就是，对写入和读取过程加锁。
2024-07-02 23:03:27
681
原创 数据结构与算法笔记：实战篇 - 剖析搜索引擎背后的经典数据结构和算法
像 Google 这样的大型商用搜索引擎，有成千上万的工程师，十年如一日地对它进行优化改进，所以，它所包含的技术细节非常多。很难通过一篇文章讲所有的细节都给讲清楚。所以接下来的讲解，主要给你展示，如何在一台机器上（假设这台机器的内存是 8GB，应用是 100 多 GB），通过少量的代码，实现一个小型搜索引擎。不过，麻雀虽小，五脏俱全。跟大型搜索引擎相比，实现这样一个小的搜索引擎的理论基础是相通的。搜集分析索引查询。其中，搜集，就是我们常说的爬虫爬取网页。
2024-07-02 09:54:48
680
原创 数据结构与算法笔记：实战篇 - 剖析Redis常用数据类型对应的数据结构
Redis 是一种键值（key-value）数据库。相对于关系型数据库（比如 MySQL），Redis 也被叫作非关系型数据库。关于 Redis 数据库，本人也学习过Redis 核心技术教程，感兴趣的朋友可以去看下专栏。像 MySQL 这样的关系型数据库，表的结构比较复杂，会包含很多字段，可以通过 SQL 语句，来实现非常复杂的查询需求。而 Redis 中只包含 “键” 和 “值” 两部分，只能通过 “键” 来查询值。真实因为这样简单的存储结构，也让 Redis 的读写效率非常高。
2024-06-30 15:06:35
803
原创 数据结构与算法笔记：高级篇 - 并行算法：如何利用并行处理提高算法的执行效率？
上篇文章，我们通过实际软件开发中的 “索引” 这一技术点，回顾了之前学过的一些支持动态数据集合的数据结构。本章，又通过 “并行算法” 这个话题，回顾了之前学过的一些算法。本章的内容比较简单，没有太复杂的知识点。我通过一些例子，比如并行排序、查找、搜索、字符串匹配，给你展示了并行处理的实现思路，也就是对数据进行分片，对没有依赖关系的任务，并行地执行。并行计算是一个工程上的实现思路，尽管跟算法的关系不大，但是，在实际的软件开发中，它确实可以非常巧妙地提高程序的运行效率，是一种非常好的性能优化手段。
2024-06-29 11:49:02
1115
原创 数据结构与算法笔记：高级篇 - 索引：如何在海量数据中快速查找某个数据？
索引的概念不难理解，我想你应该已经搞明白。接下来，我们就分析一下，在设计索引的过程中，需要考虑到的一些因素，换句话说，我们该如何定义清楚需求呢？对于系统设计需求，我们一般可以从功能性需求和非功能性需求两方面来分析。因此，这个问题也不例外。本章是一个总结课。从索引这个非常常用的技术方案，给你展示了散列表、红黑树、跳表、B+ 树、位图、布隆过滤器、有序数组这些数据结构的应用场景。学习完这篇文章后，不知道你对数据结构以及索引，有没有更加清晰的认识呢？
2024-06-28 18:27:46
1106
原创 数据结构与算法笔记：高级篇 - 搜索：如何用 A* 搜索算法实现游戏中的寻路功能？
本章讲的A* 算法属于一种启发式搜索算法实际上，启发式搜索算法并不仅仅只有A* 算法，还有很多其他算法，比如 IDA* 算法、蚁群算法、遗传算法、模拟退火算法等。如果感兴趣，可以自行研究下。启发式搜索算法利用估价函数，避免 “跑偏”，贪心地朝着最有可能到达终点的方向前进。这种算法炸出的路线，并不是最短路线。但是，实际的软件开发中的路线规划问题，我们往往并不需要非得找最短距离。所以，鉴于启发式搜索算法能很好地平衡路线质量和执行效率，它在实际的软件开发中的应用更加广泛。实际上，最短路径章节。
2024-06-28 11:08:03
1797
原创 数据结构与算法笔记：高级篇 - B+树：MySql数据库索引是如何实现的？
如何定义清楚问题呢？除了对问题进行详细的调研，还有一个办法，那就是，通过对一些模糊的需求进行假设，来限定要解决的问题的范围。如果你对数据库的操作非常了解，针对我们现在这个问题，你就能把索引的需求定义得非常清楚。根据某个值查找数据，比如。根据区间来查找某些数据，比如。除了这些功能性需求之外，这种问题往往还会涉及一些非功能性需求，比如安全、性能、用户体验等等。限于本章要讨论的是数据结构和算法，对于非功能性需求，我们着重考虑性能方面的需求。性能方面的需求，我们主要考察时间和空间两方面，也就是。
2024-06-27 22:29:26
1186
原创 数据结构与算法笔记：高级篇 - 向量空间：如何实现一个简单的音乐推荐系统？
实际上，这个问题是推荐系统（Recomendation System）里最典型的一类问题。之所以讲这部分内容，主要还是给你展示，算法的强大之处，利用简单的向量空间的欧几里得距离，就能解决如此复杂的问题。不过，本章只讲解了基础理论，实践中遇到的问题还有很多，比如冷启动问题，产品初期积累的数据不多，不足以做推荐等等。这些更加深奥的内容，你可以之后自己在实践中慢慢探索。
2024-06-27 10:01:52
988
原创 数据结构与算法笔记：高级篇 - 概率统计：如何利用朴素贝叶斯算法过滤垃圾短信？
本章，讲解了基于黑名单、规则、概率统计三种垃圾短信的过滤方法，实际上，本章讲的这三种方法，还可以应用到很多类似过滤、拦截的领域，比如垃圾邮件的过滤等等。在讲黑名单过滤的时，我讲到 布隆过滤器可能会存在误判，可能会导致用户投诉。实际上，我们可以结合三种不同过滤方式的结果，对同一个短信处理，如果三种都标明这个短信是垃圾短信，我们才把它当做垃圾短信拦截过滤，这样就会更精准。当然，在实际的工程中，我们还需要结合具体的场景，以及大量的实验，不断去调整策略，权衡垃圾短信判定的准确率。
2024-06-26 19:13:10
1101
原创 数据结构与算法笔记：高级篇 - 位图：如何实现网页爬虫中的URL去重功能？
本章，关于搜索引擎爬虫网页去重问题的解决，我们从散列表讲到位图，再讲到布隆过滤器。布隆过滤器非常适合这种不需要 100% 准确、允许存在小概率误判的大规模判重场景。除了爬虫去重这个例子，还有比如统计一个大型网址每条的 UV 数，也就是每天有多少用户访问了网站，我们可以使用布隆过滤器，对重复访问的用户进行去重。前面讲到，布隆过滤器的误判率，主要跟哈希函数的个数、位图的大小有关。当我们往布隆过滤器中不停地加入数据之后，位图中不是 true 的位置就越来越少了，误判率就越来越高了。
2024-06-26 10:02:24
775
原创 数据结构与算法笔记：高级篇 - 最短路径：地图软件是如何计算出最优出行路径的？
本章，我们学习了一种非常重要的图算法，Dijkstra 最短路径算法。实际上，最短路径算法还有很多，比如 Bellford 算法、Floyd 算法等等。如果感兴趣，你可以自己去研究。关于 Dijkstra 算法，只讲了原理和代码实现。对于正确性，并没有去证明。之所以这么做是因为证明过程设计比较复杂度的数学推导。这个并不是我们的重点，你只要掌握这个算法的思路就可以了。这些算法实现思路非常经典，掌握了这些思路，我们可以拿来指导、解决其他问题。
2024-06-24 20:09:58
884
原创 数据结构与算法笔记：高级篇 - 拓扑排序：如何确定代码源文件的编译依赖关系？
在基础篇中，关于 “图”，我们讲了图的定义和存储图的广度和深度优先搜索。本章，我们又讲了一个关于图的算法，拓扑排序。拓扑排序应用非常广泛，解决的问题的模型也非常一直。凡是需要通过局部顺序来推导全局顺序的，一般都能用拓扑排序来解决。此外，拓扑排序还能检测图中环的存在。对于 Kahn 算法来说，如果最后输出出来的顶点个数，少于图中顶点个数，图中还有入度不是 0 的顶点，那就说明，图中存在环。关于图中环的检测，我们在递归。
2024-06-22 11:22:12
833
原创 数据结构与算法笔记：基础篇 - 动态规划实战：如何实现搜索引擎中的拼写纠错功能？
在我们讲过，利用 Trie 树，可以实现搜索引擎的关键词提示功能，这样可以节省用户输入搜索关键词的时间。实际上，搜索引擎在用户体验方面的优化还有很多，比如你可能经常会用的拼写纠错功能。当你在搜索框中，一不小心输错时，搜索引擎会非常智能地检测出你的拼写错误，并且用对应地正确的单词来进行搜索。作为一名软件工程师，你是否想过，这个功能是怎么实现的？
2024-06-21 19:29:44
661
原创 数据结构与算法笔记：基础篇 - 动态规划理论
刚刚讲了，如何鉴别一个问题是否可以用动态规划来解决。现在，我再总结一下，动态规划解题的一般思路，让你面对动态规划问题时，能够有章可循，不至于束手无策。
2024-06-20 22:43:17
588
原创 数据结构与算法笔记：基础篇 - 初始动态规划：如何巧妙解决“双十一”购物时的凑单问题？
淘宝的 “双十一” 购物节有各种促销活动，比如 “满 200 元减 50元”。假设你女朋友购物车中有 n 个（n > 100）想买的商品，它希望从里面选几个，在凑够满减条件的前提下，让选出来的商品价格总和最长成都接近满减条件（200 元），这样就可以极大限度地 “薅羊毛”。作为程序员的你，能不能编个代码来帮她搞定？要想高效地解决这个问题，就要用到本章讲的动态规划（Dynamic Programming）。
2024-06-20 09:38:41
1022
原创 数据结构与算法笔记：基础篇 - 回溯算法：从电影《蝴蝶效应》中学习回溯算法的核心思想
我们在利用的是回溯算法思想。这个算法思想非常简单，但是应用却非常广泛。它除了用来指导像深度优先搜索这种经典的算法设计之外，还可以用在很多实际的软件开发场景中，比如正则表达式、编译原理中的语法分析等。此外，很多经典的数学问题都可以用回溯算法解决，比如数独、八皇后、0-1 背包、图的着色、旅行商问题、全排列等等。既然应用如此广泛，本章就来学习一下这个算法思想，看看它是如何指导我们解决问题的。
2024-06-19 21:05:40
552
原创 数据结构与算法笔记：基础篇 - 分治算法：谈一谈大规模计算框架MapReduce中的分治思想
MapReduce 是 Google 大数据处理的三姐马车之一，另外两个事 GFS 和 Bigtable。它在倒排索引、PageRank 计算、网页分析等搜索引擎相关的技术中都有大量的应用。尽管开发一个 MapReduce 看起来很高深。实际上，万变不离其宗，它的本质就是本章要学的这种算法思想，分支算法。
2024-06-19 12:06:19
777
原创 数据结构与算法笔记：基础篇 - 贪心算法：如何用贪心算法实现 Huffman压缩编码
基础的数据结构和算法基本上学完了，接下来几篇文章，会将更加基本的算法。它们分别是贪心算法、分治算法、回溯算法、动态规划。更加确切的说，它们应该是算法思想，并不是具体的算法，常用来指导我们设计具体的算法和编码等。贪心、分治、回溯、动态这 4 个算法思想，原理解释起来都很简单，但是要正确掌握且灵活应用，并不是一件容易得事情。所以，接下来的这 4 个算法思想的讲解，依旧不会长篇大论的去讲理论，而是结合具体的问题，让你自己感受这些算法时怎么工作的，是如何解决问题的，带你在问题中体会这些算法的本质。
2024-06-18 21:43:19
583
原创 数据结构与算法笔记：基础篇 -AC自动机：如何用多模式串匹配实现敏感词过滤功能？
很多支持用户发表文本内容的网站，比如 BBS，大都会有敏感词过滤功能，用来过滤掉用户输入的一些淫秽、反动、谩骂等内容。你有没有想过，这个功能是怎么实现的呢？实际上，这些功能最基本的原理就是字符串匹配算法，也就是通过维护一个敏感词字典，当用户输入一段文字内容之后，通过字符串匹配算法，来查找用户输入的这段文字，是否包含敏感词。如果有，就用 “***” 把它替换掉。我们讲过讲过好几种字符串匹配算法了，它们都可以处理这个问题。但是，对于访问量巨大的网站来说，比如淘宝，用户每天的评论数有几亿、甚至十几亿。
2024-06-18 12:51:06
705
原创 数据结构与算法笔记：基础篇 -Trie树：如何实现搜索引擎的搜索关键词提示功能？
Trie 树也叫 “字典树”。顾名思义，它是一个树形结构。它是一种专门处理字符串匹配的数据结构，用来解决在一组字符串集合中快速查找某个字符串的问题。当然，这样一个问题可以有多种解决方法，比如散列表、红黑树，或者前面几篇文章讲到的一些字符串匹配算法，但是 Trie 树在这个问题的解决上，有它特有的优点。不仅如此，Trie 树能解决的问题也不限于此，一会再慢慢分析。现在，先来看下，Trie 树到底长什么样子。我举个简单的例子来说明下。
2024-06-17 22:22:24
890
原创 数据结构与算法笔记：基础篇 -字符串匹配(下)：如何借助BM算法轻松理解KMP算法？
讲了 BM 算法，尽管他复杂，也不好理解，但确实工程中非常好用的一种高效字符串匹配算法。有统计说，它是最搞笑、最常用的字符串匹配算法。不过，在所有的字符串匹配算法里，要说最知名的一种的话，那就非 KMP 算法莫属。很多时候，提到字符串匹配，我们首先想到的就是 KMP 算法。尽管在实际的开发中，我们几乎不大可能自己亲手实现一个 KMP 算法。但是，学习这个算法的思想，作为你开拓眼界、锻炼下思维逻辑，也是极好的，所以有必要拿出来讲一讲。不过 KMP 算法是出了名的不好懂。
2024-06-17 19:00:37
802
原创 数据结构与算法笔记：基础篇 -字符串匹配(中)：BM算法 - 如何实现文本编辑器中的查找功能？
文本表及其中的查找替换功能，我像你应该不陌生吧？比如，我们在 Word 中把一个单词统一替换为另一个，用的就是这个功能。当然，你用上篇文章的 BF 算法和 RK 算法，也可以实现这个功能，但是在某些极端情况下，BF 算法性能会退化的比较严重，而 RK 算法需要利用到哈希算法，设计一个可以应对各种类型字符串的哈希算法并不简单。对于工业级的软件开发来说，我们希望算法尽可能的高效，并且在极端情况下，性能也不要退化的太严重。那么，本章来学习 BM（Boyer-Moore） 算法。
2024-06-16 22:21:08
874
原创 数据结构与算法笔记：基础篇 -字符串匹配(上)：如何借助哈希算法实现高效字符串匹配？
从本章开始，我们开始学习字符串匹配算法。字符串匹配这样一个功能，我想对于任何一个开发人员来说，应该都不陌生。我们用的最多的就是编程语言中提供的字符串查找函数，比如 Java 中的indexOf()函数等，它们底层就是依赖下面要将的字符串匹配算法。字符串匹配算法很多，会分成好几篇篇文章来讲解。本章会将两种比较简单的、好理解的，它们分别是：BF 算法和 RK 算法。这两个算法中， RK 算法是 BF 算法的改进，它巧妙借助了前面讲过的哈希算法，让匹配效率有了很大的提升。那。
2024-06-15 11:47:16
1077
原创 数据结构与算法笔记：基础篇 -深度和广度优先搜索：如何查找出社交网络中的三度好友关系？
我们知道，算法是作用于具体数据结构之上的，深度优先搜索算法和广度优先搜索算法都是基于 “图” 这种数据结构的。这是因为，图这种数据结构的表达能力很强，大部分涉及搜索的场景都可以抽象成 “图”。图上的搜索算法，最直接的理解就是，在图中找出一个顶点出发，到另一个顶点的路径。具体方法有很多，比如今天要将的两种最简单、最 “暴力” 的深度优先、广度优先搜索，还有A*IDA*等启发式搜索算法。上篇文章讲过，图有两种主要存储方法，邻接表和邻接矩阵。本章我会用邻接表来存储图。这里先给出图的代码实现。
2024-06-14 23:31:44
1063
原创 数据结构与算法笔记：基础篇 -图的表示：如何存储微博、微信等社交网络中的好友关系？
微博、微信这些社交软件你肯定玩过吧。在微博中，两个人可以互相关注；在微信中，两个人可以互加好友。那你知道，。实际上，设计图的算法有很多，也非常复杂，比如图的搜索、最短路径、最小生成树、二分图等等。本章聚焦在图存储这一方面，后面会分好几个章节一次讲解图相关的算法。
2024-06-14 12:48:39
975
原创 数据结构与算法笔记：基础篇 -堆的应用：如何快速获取到Top 10最热门的搜索关键词
搜索引擎的热门搜索排行榜的功能你用过吗？你知道这个功能是如何实现的吗？实际上，它的实现并不复杂。搜索引擎每天会接收大量的用户搜索请求，它会把这些用户输入的搜索关键词记录下来，然后再离线地统计分析，得到最热门的 Top 10 搜索关键词。那请你思考下，这个问题就可以用堆来解决，这也是堆这种数据结构一个非常典型的应用。我们讲了堆和堆排序的一些理论知识，本章我们就来讲讲，堆这种数据结构几个非常重要的应用：优先级队列、求 Top K和求中位数。
2024-06-13 22:51:40
579
原创 数据结构与算法笔记：基础篇 -堆和堆排序：为什么说堆排序没有快速排序快？
本章讲另外一种特殊的树，“堆” （Heap）。堆这种数据结构的应用场景非常多，最经典的莫过于堆排序了。堆排序是一种原地、时间复杂度为Onlogn的排序算法。前面学过快速排序，平均情况下，它的时间复杂度为Onlogn。尽管这两种排序算法的时间复杂度都是Onlogn，甚至堆排序比快速排序的时间复杂度还要稳定，但是，
2024-06-13 15:40:34
651
原创 数据结构与算法笔记：基础篇 -递归树：如何借助树来求解递归算法的时间复杂度？
我们都知道，递归代码的时间复杂度分析起来很麻烦。在《》哪里讲过，如何用递推公式，求解归并排序、快速排序的时间复杂度，但是有些情况，比如快排的平均时间复杂度的分析，用递推公式的话，会设计非常复杂的数据推到。除了用递推公式这种比较复杂的分析方法，有没有更简单的方法呢？本章就来学习另外一种方法，
2024-06-12 12:28:46
981
原创 数据结构与算法笔记：基础篇 - 红黑树（下）：掌握这些技巧，你也可以实现一个红黑树
其实是为了实现方便。只要满足这一条要求，那在任何时刻，红黑树的平衡操作都可以归结为刚刚讲的几种情况。还是有点不理解，下面通过一个例子来解释下。假设红黑树的定义中不包含刚刚提到的那一条 “叶子节点必须是黑色的空节点”，我们往红黑树中插入一个数据，新插入节点的父节点也是红色，两个红色的节点相邻，这个时候，红黑树的定义就被破坏了。我们应该如何调整呢？你会发现，这个时候，我们前面在讲插入时，三种情况下平衡调整规则，没有一种是适用的。
2024-06-11 20:53:24
798
原创 数据结构与算法笔记：基础篇 - 红黑树（上）：为什么工程中都用红黑树这种二叉树？
平衡二叉树的严格定义是这样的：二叉树中任意一个结点的左右子树的高度相差不能大于 1。从这个定义来看，上篇文章讲的完全二叉树、满二叉树其实都是平衡二叉树，但是非并完全二叉树也有可能是平衡二叉树。平衡二叉查找树不仅满足上面平衡二叉树的定义，还满足二叉查找树的特点。最先被发明的平衡二叉查找树是 AVL 树，它严格符合刚刚讲到的平衡二叉查找树的定义，即任何子节点的左右子树的高度相差不超过 1，是一种高度平衡的二叉查找树。但是很多平衡二叉查找树其实并没有严格符合上面的定义，所以，我感觉没必要去死抠定义。
2024-06-10 21:59:06
858
原创 数据结构与算法笔记：基础篇 - 二叉树基础（下）：有了如此高效的散列表，为什么还需要二叉树？
我们学习了树、二叉树及二叉树的遍历，本章来学习一种特殊的二叉树，二叉查找树。二叉查找树最大的特点就是，支持动态数据集合的快速插入、删除、查找操作。之前说过，散列表也是支持这些操作的，并且散列表的这些操作比二叉查找树更高效，时间复杂度是O1。
2024-06-10 15:11:20
1054
原创 数据结构与算法笔记：基础篇 - 二叉树基础（上）：什么样的二叉树适合用数组来存储？
前面讲的都是线性表结构，栈、队列等等。本章我们讲一种非线性表结构，树。树这种数据结构比线性表的数据结构要复杂得多，内容也比较多，所以会分四节来讲解。？
2024-06-10 13:33:59
1001
原创 数据结构与算法笔记：基础篇 - 哈希算法（下）：哈希算法在分布式系统中有哪些应用？
讲解了哈希算法的四个应用，它们分别是：安全加密、数据校验、唯一标识、散列函数。。
2024-06-08 23:42:38
839
原创 数据结构与算法笔记：基础篇 - 哈希算法（上）：如何防止数据库中当用户信息被脱库？
前面几篇文章讲到 “散列表” “散列函数”，这里又讲到 “哈希算法”，你是不是一头雾水？实际上，不管是 “散列” 还是哈希，这都是中文翻译，英文其实都是 “Hash所以，我们常听到有人把 “散列表” 叫做 “哈希表” “哈希表”，把 “哈希算法” 叫做 “Hash 算法” 或者 “散列算法”。那到底什么是哈希算法呢？哈希算法的定义和原来其实都非常简单，基本上一句话就可以概括。将任意长度的二进制值映射为固定长度的二进制值串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。
2024-06-08 14:01:20
735
原创 数据结构与算法笔记：基础篇 - 散列表（下）：为什么散列表和链表经常会一起使用？
已经学习了这么多章节了，你有没有发现，两种数据结构，散列表和链表，经常会被放在一起使用。你还记得，前面的章节中都有哪些地方讲到散列表和链表的组合使用吗？在，我讲到如何用链表来实现 LRU 缓存淘汰算法，但是链表实现的 LRU 缓存淘汰算法的时间复杂度是On，当时提到了，通过散列表可以将这个时间复杂度降低到O1。在，提到 Redis 的有序集合是使用跳表来实现的，跳表可以看做这一种改进版的链表。当时我们也提到，Redis 有序集合不仅使用了链表，还用到了散列表。
2024-06-07 23:18:52
944
原创 数据结构与算法笔记：基础篇 - 散列表（中）：如何打造一个工业级水平的散列表？
通过的学习，我们知道，散列表的查找效率不能笼统地说O1。它跟散列函数、装载因子、散列冲突等都有关系。如果散列函数设计得不好，或者装载因子过高，都可能导致散列冲突发生的概率升高，查询效率下降。在极端情况下，有些恶意攻击者，还可能通过精心构造的数据，使得所有的数据经过散列之后，都散列到同一个槽里。如果我们使用的是基于链表的冲突解决方法，那这个时候，散列表就会退化为链表，查询的时间复杂度就从O1退化为On。如果散列表中有 10 万个数据，退化后的散列表查询的效率就下降了 10 万倍。
2024-06-07 12:32:10
566
WSL(Windows Subsystem for Linux)更新程序
2024-01-30
网页版进销存2.0系统文件.zip
2021-06-15
Android天气预报app源码
2017-12-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人