最新【C++进阶】map和set—，2024新一波程序员跳槽季

最新推荐文章于 2024-08-06 21:32:10 发布
最新推荐文章于 2024-08-06 21:32:10 发布
阅读量651 收藏 23
点赞数 29
分类专栏： 程序员 文章标签： 大数据 面试 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79098963/article/details/138757165
版权

img
img
img

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2

  1. 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整
    成0，此时满足AVL树的性质，插入成功
  2. 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更
    新成正负1，此时以pParent为根的树的高度增加，需要继续向上更新
  3. 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进
    行旋转处理
pair<Node\*,bool> Insert(const pair<K, V>& kv)
	{
		if (_root == nullptr)//根节点为空时先new一个新节点
		{
			_root = new Node(kv);
			return make\_pair(_root, true);
		}
 
		Node\* cur = _root;
		Node\* parent = nullptr;
		//先利用while循环去找cur的空位
		while (cur)
		{
			if (kv.first > cur->_kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if (kv.first < cur->_kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return make\_pair(cur, false);
			}
		}
		//将cur插入到相应位置
		cur = new Node(kv);
		Node\* newnode = cur;//用一个newnode记录一下新节点用以返回
		if (kv.first > parent->_kv.first)
		{
			parent->_right = cur;//注意三叉链的链接逻辑顺序,等号左右方向不能反，先把cur链接到父节点的右边
			cur->_parent = parent;//然后再去把父指针知道父节点
		}
		else
		{
			parent->_left = cur;
			cur->_parent = parent;
		}
 
		//进行旋转调整
		//while(cur!=\_root)
		while (parent)
		{
			//1.进入循环先对平衡因子进行调整
			if (cur == parent->_right)
			{
				parent->_bf++;
			}
			else
			{
				parent->_bf--;
			}
 
			//分三种情况向上走
			if (parent->_bf == 0)//平衡因子等于0不需要调整
			{
				//为什么不需调整
				//因为等于0的话，说明底层子树高度不平衡，添加进入新元素后平衡了，只要平衡了高度并没发生变化，不会影响上面的父节点
				break;
			}
			else if (parent->_bf == -1 || parent->_bf == 1)
			{
				//平衡因子等于-1，说明插入新节点后子树的高度不平衡了，需要继续往上迭代查看父节点是否还满足平衡节点
				cur = parent;
				parent = parent->_parent;
			}
			else if (parent->_bf == 2 || parent->_bf == -2)
			{
				if (parent->_bf == -2)//父节点等于-2，说明左边高，触发右旋的情况
				{
					if (cur->_bf == -1)//cur节点等于-1，说明在cur的左边更高，触发右单旋的情况
					{
						RotateR(parent);
					}
					else//cur等于-1,说明在cur的右边更高，触发左右双旋
					{
						RotateLR(parent);
					}
				}
				else//父节点等于1，说明右边更高，触发左旋的情况
				{
					if (cur->_bf == 1)//cur节点等于1时，说明在cur的右边更高，触发右单旋的情况
					{
						RotateL(parent);
					}
					else//cur等于-1,说明在cur的左边更高，触发右左双旋
					{
						RotateRL(parent);
					}
				}
				//思考：为什么上面在传参数的时候，都是传parent的节点呢？这样的好处是什么呢
 
				break;//调整完成后break退出循环
				//这里为什么调整完成过后就可以退出，通过旋转调整平衡因子后，parent节点的平衡因子都为0了，调整过后不需要再向上继续查找了
			}
			else
			{
				assert(false);
			}
		}
		return make\_pair(newnode,true);
	}

🍂 1.4 AVL树的旋转

如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：

  • 新节点插入较高左子树的左侧—左左：右单旋

在这里插入图片描述

上图在插入前，AVL树是平衡的，新节点插入到30的左子树(注意：此处不是左孩子)中，30左子树增加了一层，导致以60为根的二叉树不平衡，要让60平衡，只能将60左子树的高度减少一层，右子树增加一层，即将左子树往上提，这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有
右子树，右子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子即可。在旋转过程中，有以下几种情况需要考虑：

  1. 30节点的右孩子可能存在，也可能不存在
  2. 60可能是根节点，也可能是子树

如果是根节点，旋转完成后，要更新根节点

如果是子树，可能是某个节点的左子树，也可能是右子树

void RotateR(Node\* parent)//右单旋
	{
		Node\* subL = parent->_left;
		Node\* subLR = subL->_right;
 
		parent->_left = subLR;
		if (subLR != nullptr)//注意:这里一定要判断不为空的，因为下面可能会出现空指针的解引用
		{
			subLR->_parent = parent;
		}
		subL->_right = parent;
		Node\* parentParent = parent->_parent;//一定要在改变链接关系之前把这个指针存下来
		parent->_parent = subL;
		
		//if (parentParent == nullptr)或者采用这个条件也是可以的
		if(parent==_root)
		{
			_root = subL;
			_root->_parent = nullptr;
		}
		else
		{
			//这里注意:parent还有父母时，链接之前需要注意判断到底是右孩子还是左孩子
			if (parentParent->_left == parent)
				parentParent->_left = subL;
			else
				parentParent->_right = subL;
 
			subL->_parent = parentParent;//最后还要把父指针关系链接上
		}
 
		parent->_bf = subL->_bf = 0;//最后右单旋完成后平衡因子都要修改成0
	}
  • 新节点插入较高右子树的右侧—右右：左单旋

在这里插入图片描述

和右单旋近似，可以参考代码

void RotateL(Node\* parent)
	{
		Node\* subR = parent->_right;
		Node\* subRL = subR->_left;
 
		//先把subR的左孩子赋值给parent的右节点
		parent->_right = subRL;
		if (subRL != nullptr)//注意一定要判断是否为空的情况
		{
			subRL->_parent = parent;//然后链接parent指针
		}
 
		//然后subR的左节点链接上parent
		subR->_left = parent;
		Node\* parentParent = parent->_parent;//提前记录
		parent->_parent = subR;
		//if (parentParent == nullptr)
		if (parent == _root)
		{
			_root = subR;
			_root->_parent = nullptr;
		}
		else
		{
			if (parentParent->_left == parent)
				parentParent->_left = subR;
			else
				parentParent->_right = subR;
 
			subR->_parent = parentParent;
		}
 
		parent->_bf = subR->_bf = 0;
	}
  • 新节点插入较高左子树的右侧—左右：先左单旋再右单旋

在这里插入图片描述
将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再
考虑平衡因子的更新。

请添加图片描述

void RotateLR(Node\* parent)
	{
		Node\* subL = parent->_left;
		Node\* subLR = subL->_right;
		int bf = subLR->_bf;
		RotateL(parent->_left);//先进行左旋，并注意旋转点为父节点的左节点
		RotateR(parent);//再进行右旋，此时旋转点为父节点
 
		if (bf == 0)
		{
			parent->_bf = 0;
			subL->_bf = 0;
			subLR->_bf = 0;
		}
		else if (bf == 1)
		{
			parent->_bf = 0;
			subL->_bf = -1;
			subLR->_bf = 0;
		}
		else if (bf == -1)
		{
			parent->_bf = 1;
			subL->_bf = 0;
			subLR->_bf = 0;
		}//注意这里处理完成过后sunRL的平衡因子一定都是等于0的
		else
		{
			assert(false);
		}
	}
  • 新节点插入较高右子树的左侧—右左：先右单旋再左单旋

在这里插入图片描述

void RotateRL(Node\* parent)
	{
		Node\* subR = parent->_right;
		Node\* subRL = subR->_left;
		int bf = subRL->_bf;//注意：需要提前存subRL的平衡因子，因为旋转可能引起改变
		//subRL的平衡因子是双旋的关键节点
 
		RotateR(parent->_right);//先进行右旋，并注意旋转点为父节点的右节点
		RotateL(parent);//再进行左旋，此时旋转点为父节点
 
		if (bf == 0)
		{
			parent->_bf = 0;
			subR->_bf = 0;
			subRL->_bf = 0;
		}
		else if (bf == 1)
		{
			parent->_bf = -1;
			subR->_bf = 0;
			subRL->_bf = 0;
		}
		else if (bf == -1)
		{
			parent->_bf = 0;
			subR->_bf = 1;
			subRL->_bf = 0;
		}//注意这里处理完成过后sunRL的平衡因子一定都是等于0的
		else
		{
			assert(false);
		}
	}

总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑

  1. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
    – 当pSubR的平衡因子为1时，执行左单旋
    – 当pSubR的平衡因子为-1时，执行右左双旋
  2. pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
    – 当pSubL的平衡因子为-1是，执行右单旋
    – 当pSubL的平衡因子为1时，执行左右双旋

旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。

🍂 1.5 AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

  1. 验证其为二叉搜索树
    – 如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
  2. 验证其为平衡树
    – 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
    – 节点的平衡因子是否计算正确
void \_Inorder(Node\* root)//中序遍历打印每个节点
	{
		if (root == nullptr)
			return;
		\_Inorder(root->_left);
		cout << root->_kv.first << ":" << root->_kv.second << endl;
		\_Inorder(root->_right);
	}
	void Inorder()
	{
		\_Inorder(_root);
		cout << endl;
	}
 
	//验证是否为平衡二叉树
	//1.左子树高度与右子树高度差必须小于1
	int \_Height(Node\* root)//求树的高度函数
	{
		if (root == nullptr)
		{
			return 0;
		}
 
		int leftHeight = \_Height(root->_left);//递归去子问题求解
		int rightHeight = \_Height(root->_right);
 
		return rightHeight > leftHeight ? rightHeight + 1 : leftHeight + 1;
	}
	bool \_IsBalance(Node\* root)
	{
		if (root == nullptr)
		{
			return true;
		}
 
		int leftHeight = \_Height(root->_left);
		int rightHeight = \_Height(root->_right);
 
		// 2.检查一下每颗树的平衡因子是否正确
		if (rightHeight - leftHeight != root->_bf)
		{
			cout << "平衡因子异常:" << root->_kv.first << endl;
			return false;
		}
 
		return abs(rightHeight - leftHeight) < 2
			&& \_IsBalance(root->_left)
			&& \_IsBalance(root->_right);//分别递归到各自的左右子树再去检查
	}
	bool IsAVLTree()
	{
		return \_IsBalance(_root);
	}

🍂 1.6 AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这
样可以保证查询时高效的时间复杂度，即

l

o

g

2

(

N

)

log_2 (N)

log2​(N)。

但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。

🍂 1.7 AVL树的实现

AVLTree.hpp

//
// AVLTree.hpp
// AVLtree
//
// Created by 卜绎皓 on 2022/11/16.
//

#pragma once
#include<iostream>
#include<assert.h>
#include<string>
using namespace std;
 
 
template<class K,class V>
struct AVLTreeNode
{
    AVLTreeNode<K, V>\* _left;
    AVLTreeNode<K, V>\* _right;
    AVLTreeNode<K, V>\* _parent;//定义成三叉链的形式
    int _bf;//balance factor平衡因子
    pair<K, V> _kv;//用pair同时存K和V两个数据
 
    AVLTreeNode(const pair<K,V>& kv)//节点构造函数
        :\_left(nullptr)
        ,\_right(nullptr)
        ,\_parent(nullptr)
        ,\_bf(0)//平衡因子初始给0
        ,\_kv(kv)
    {}
};
 
template<class K,class V>
class AVLTree
{
    typedef AVLTreeNode<K, V> Node;
public:
    AVLTree()
        :\_root(nullptr)
    {}
    //拷贝构造和赋值拷贝也需要自己实现
    AVLTree(const AVLTree<K,V>& kv)
    {
        _root = Copy(kv._root);
    }
    AVLTree<K, V>& operator=(AVLTree<K,V> kv)
    {
        swap(_root, kv._root);
        return \*this;
    }
    ~AVLTree()
    {
        Destroy(_root);
        _root = nullptr;
    }
    Node\* Copy(Node\* root)
    {
        if (root == nullptr)
            return nullptr;
        Node\* newroot = new Node(root->_key);//建立新节点
        newroot->_left = Copy(root->_left);//新节点的左右节点再去转换成子问题
        newroot->_right = Copy(root->_right);
        return newroot;//最后返回新节点
    }
    void Destroy(Node\* root)
    {
        //利用后序遍历去释放节点
        if (root == nullptr)
        {
            return;
        }
        Destroy(root->_left);
        Destroy(root->_right);
        delete root;
    }
    V& operator[](const K& key)//重载operator[]
    {
        //operator[]的原则是:
        //如果插入成功返回插入都value的引用
        //如果插入失败则返回V类型默认缺省值
        pair<Node\*, bool> ret = Insert(make\_pair(key, V()));//V采用传匿名对象的方式
        return ret.first->_kv.second;
    }
    Node\* Find(const pair<K, V>& kv)//查找函数
    {
        Node\* cur = _root;
        while (cur)
        {
            if (kv.first > cur->_kv.first)
            {
                cur = cur->_right;
            }
            else if (kv.first < cur->_kv.first)
            {
                cur = cur->_left;
            }
            else
            {
                return cur;
            }
        }
        return nullptr;
    }
    void RotateR(Node\* parent)//右单旋
    {
        Node\* subL = parent->_left;
        Node\* subLR = subL->_right;
 
        parent->_left = subLR;
        if (subLR != nullptr)//注意:这里一定要判断不为空的，因为下面可能会出现空指针的解引用
        {
            subLR->_parent = parent;
        }
        subL->_right = parent;
        Node\* parentParent = parent->_parent;//一定要在改变链接关系之前把这个指针存下来
        parent->_parent = subL;
        
        //if (parentParent == nullptr)或者采用这个条件也是可以的
        if(parent==_root)
        {
            _root = subL;
            _root->_parent = nullptr;
        }
        else
        {
            //这里注意:parent还有父母时，链接之前需要注意判断到底是右孩子还是左孩子
            if (parentParent->_left == parent)
                parentParent->_left = subL;
            else
                parentParent->_right = subL;
 
            subL->_parent = parentParent;//最后还要把父指针关系链接上
        }
 
        parent->_bf = subL->_bf = 0;//最后右单旋完成后平衡因子都要修改成0
    }
    void RotateL(Node\* parent)
    {
        Node\* subR = parent->_right;
        Node\* subRL = subR->_left;
 
        //先把subR的左孩子赋值给parent的右节点
        parent->_right = subRL;
        if (subRL != nullptr)//注意一定要判断是否为空的情况
        {
            subRL->_parent = parent;//然后链接parent指针
        }
 
        //然后subR的左节点链接上parent
        subR->_left = parent;
        Node\* parentParent = parent->_parent;//提前记录
        parent->_parent = subR;
        //if (parentParent == nullptr)
        if (parent == _root)
        {
            _root = subR;
            _root->_parent = nullptr;
        }
        else
        {
            if (parentParent->_left == parent)
                parentParent->_left = subR;
            else
                parentParent->_right = subR;
 
            subR->_parent = parentParent;
        }
 
        parent->_bf = subR->_bf = 0;
    }
    void RotateRL(Node\* parent)
    {
        Node\* subR = parent->_right;
        Node\* subRL = subR->_left;
        int bf = subRL->_bf;//注意：需要提前存subRL的平衡因子，因为旋转可能引起改变


![img](https://img-blog.csdnimg.cn/img_convert/5b0f0e0f4069eb65a69f72cf816caa5f.png)
![img](https://img-blog.csdnimg.cn/img_convert/3ff1414a0fc126d1250c8248d7982b6d.png)
![img](https://img-blog.csdnimg.cn/img_convert/836576f5f57fd27f9be7ddd39a120e02.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

  parentParent->_right = subR;
 
            subR->_parent = parentParent;
        }
 
        parent->_bf = subR->_bf = 0;
    }
    void RotateRL(Node\* parent)
    {
        Node\* subR = parent->_right;
        Node\* subRL = subR->_left;
        int bf = subRL->_bf;//注意：需要提前存subRL的平衡因子，因为旋转可能引起改变


[外链图片转存中...(img-0y7cwmJ2-1715499449197)]
[外链图片转存中...(img-L6jtNdM2-1715499449197)]
[外链图片转存中...(img-90OlTjgS-1715499449197)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
2301_79098963
关注
  • 29
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++之AVL树
cls的博客
05-23 809
前面对map/multimap/set/multiset进行了简单的介绍，在其文档介绍中发现，这几个容器有个共同点是： 其底层都是按照二叉搜索树来实现的，但是二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成O(N)，因此map、set等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现。 AVL 树 AVL树的概念 二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表
hive的内部表（MANAGED_TABLE）和外部表（EXTERNAL_TABLE）的区别
qq_58462591的博客
08-01 321
外部表：外部表的存储在hdfs中，是我们指定的文件目录，当我们删除数据或者删除分区的时候不会将元数据删除，数据还会在hdfs目录中，我们还可以进行数据挂载。内部表：内部表的存储是在hdfs的默认目录下，当我们删除数据或者删除分区的时候会将元数据删除，数据文件也会被删除。运行指令找到table_type 如果为MANAGED_TABLE，那就是内部表，内部表和外部表的主要区别在于数据的存储方式。如果是EXTERNAL_TABLE,那就是外部表。
Flink DataStream API编程入门
L
08-01 232
DataStream API的名称来自于DataStream类，该类用于表示Flink程序中的数据集合。您可以将它们视为包含重复项的不可变数据集合。这些数据可以是有限的，也可以是无限的，但是用于处理它们的API是相同的。在使用方面，数据流与常规Java Collection类似，但在一些关键方面有很大不同。DataStream是不可变的，这意味着一旦创建了它们，就不能添加或删除元素。您不仅可以简单地检查其中的元素，还可以使用DataStream API算子（也称为转换）对它们进行处理。
elasticsearch教程
08-05 973
1. IP案例:(1)创建索引时指定映射关系(2)查看索引的映射关系(3)创建测试数据(4)查看数据"query":{"match":{(5)删除数据2. date案例:(1)创建索引时指定映射关系(2)查看索引的映射关系(3)创建测试数据(4)查看数据(5)删除数据-3 综合案例(1)创建索引(2)查看索引信息(3)为已创建的索引修改数据类型"name": {},},},"city": {},"email": {},},(4)添加测试数据。
如何礼貌且高效地应对工作中的无关问题
一个7年大数据开发工程师的碎碎念
08-05 726
通过这篇博客文章，你不仅学到了应对无关问题的策略，还获得了实用的代码示例，希望能为你的工作带来帮助。礼貌且高效地应对无关问题，不仅仅是简单的回应或拒绝，更重要的是培养一种积极的工作态度和解决问题的能力。在繁忙的工作环境中，设定清晰的边界是非常重要的。今天，我将分享一些有效的策略和具体的代码示例，帮助你礼貌且高效地应对这些无关问题，让你在忙碌的工作中依然能够保持高效。然而，总有一些同事或朋友会提出一些与工作无关的问题，这些问题不仅会分散我们的注意力，还可能影响我们的工作效率。在工作中，团队合作是非常重要的。
【大数据】探索大数据基础知识：定义、特征与生态系统
在路上的专栏
08-05 604
大数据技术在过去十年间飞速发展，已经成为驱动现代商业、科学研究和社会进步的重要力量。本篇文章将深入探讨大数据的基本概念，详细解析其定义与特征，包括数据的体量、速度、多样性和真实性。我们将介绍大数据的生态系统，涵盖核心组件如Hadoop、Spark、NoSQL数据库等，并解析其在存储、处理和分析海量数据中的应用。通过对大数据技术的全面剖析，读者将获得对这一领域的深刻理解，为进一步探索和应用大数据技术奠定坚实基础。
Rabbitmq的几种工作模式
你我约定有三的博客
08-03 686
的交换机(具体交换机的类型和概念小伙伴们可以自行查阅下，这里主要讲工作模式)，生产者将消息发送给这个交换机，这个交换机把消息发送给每一个和其绑定的队列(注意。#号表示支持匹配多个词；*号表示只能匹配一个词，假如同一个队列与交换机直接设置的多个模糊的key都符合传入的，那么也只传送一次。的交换机不需要key所以生产者传递直接传""就好)(谁处理快，谁做的多)路由模式Routing。
ANN（Approximate Nearest Neighbor）搜索和索引库到底是什么？
最新发布
叶庭云 成为自己的光
08-06 534
ANN（Approximate Nearest Neighbor）搜索和索引库到底是什么？
搭建日志系统ELK(一)
qq_36652517的博客
08-01 475
作为数据收集和处理的中间件，它支持多种数据源和灵活的数据处理插件，能够将非结构化日志数据转换为结构化格式，便于存储和查询。的搜索引擎，提供快速的全文搜索能力，适合处理大规模数据集，并且具备高可扩展性。容器化还确保了环境的一致性，减少了"在我的机器上可以运行"的问题。的日志系统，为企业提供了一个强大、灵活且易于管理的日志解决方案。来实现，它不仅存储日志数据，还提供强大的搜索和分析能力。：每个服务运行在独立的容器中，减少了服务间的相互影响。完成，它将复杂的日志数据转换为直观的图表和仪表板。
设计高并发系统：从理论到实践
lssffy的博客
08-03 598
高并发系统需要在短时间内处理大量的请求，确保系统的稳定性和高效性。设计高并发系统的关键目标是提高系统的吞吐量和响应速度，减少延迟。高并发系统的典型应用场景包括电子商务网站、社交网络平台、在线游戏等。通过本文的详细介绍，您应对设计一个高并发系统有了全面的了解。从系统架构设计到核心技术实现，再到分布式系统设计和性能测试，高并发系统的每个环节都需要精心设计和优化。通过合理利用分布式技术、缓存策略、异步处理和负载均衡等技术手段，您可以构建一个高效、稳定和安全的高并发系统，满足海量用户的需求。
zookeeper集群+kafka集群
Hai990218的博客
08-05 1207
zookeeper就是保存集群的元数据面试题：kafka的消息堆积如何解决？原因：消费者出现了延迟或者处理能力太差，导致消息堆积。解决办法：1.减少kafka持久化的保存时间2.修改主题的分区数，扩大分区的数量，提高消费者获取的通道3.可以指定多个消费者共同工作，处理消息的积压（代码完成）
实战：MySQL数据同步神器之Canal
为无为，事无事，味无味。
08-02 1052
canal [kə'næl]，译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费。项目起源于阿里巴巴内部对于跨机房数据同步的需求，通过解析MySQL的二进制日志（Binary Log），Canal能够捕获并推送数据库的变更事件，满足了诸如数据库镜像、实时备份、索引实时维护等多种业务场景的需求。GitHub - alibaba/canal: 阿里巴巴 MySQL binlog 增量订阅&消费组件。
Flink 实时数仓（四）【DWD 层搭建（二）流量域事实表】
梦想是动物管理员
08-02 824
Flink 实时数仓，交易域事实表创建
大数据-61 Kafka 高级特性 消息消费02-主题与分区 自定义反序列化 拦截器 位移提交 位移管理 重平衡
永远好奇，无限进步！
08-02 1071
上节我们完成了消费组测试、消费组心跳机制、相关配置参数等内容。本节研究Kafka高级特性的 主题与分区 自定义反序列 拦截器 位移提交 重平衡 如何避免重平衡等概念问题。重平衡可以说是Kafka中诟病最厉害的一部分。 重平衡是一个协议，它规定了如何让消费者组下的所有消费者来分配Topic中每一个分区。要完全避免重平衡做不到，但是要尽量避免重平衡。 在分布式系统中，由于网络问题没有接收到心跳，此时不确认是挂了还是负载没过来还是网络阻塞。
docker部署hadoop集群
m0_63790435的博客
08-05 464
docker部署hadoop集群；通过Dockerfile方式构建hadoop容器；hadoop职责划分为NameNode、DataNode、NodeManager、ResourceNode、2NN；HDFS、MapReduce、Yarn测试。
RabbitMQ知识总结（工作模式）
月伴飞鱼
08-02 454
通配符模式（Topics）是在路由模式的基础上，给队列绑定带通配符的路由关键字，只要消息的 RoutingKey 能实现通配符匹配，就会将消息转发到该队列。使用发布订阅模式时，所有消息都会发送到绑定的队列中，但很多时候，不是所有消息都无差别的发布到所有队列中。工作队列模式的交换机只能将消息发送给一个队列，发布订阅模式的交换机能将消息发送给多个队列。生产者将消息发送给交换机，交换机将消息转发到绑定此交换机的 每个队列 中。通配符模式比路由模式更灵活，通配符模式使用 topic 交换机。
Flink 实时数仓（八）【DWS 层搭建（二）流量域、用户域、交易域搭建】
梦想是动物管理员
08-06 544
Flink 实时数仓，流量域、用户域、交易域搭建
如何将PostgreSQL的数据实时迁移到SelectDB？
嫦娥妹妹等等我的博客
08-06 484
上述方法都可以实现PostgreSQL到SelectDB的实时数据迁移，具体选择哪种方法取决于你的系统架构、数据量、实时性要求和维护复杂度。Debezium和Kafka：适用于需要高吞吐量和低延迟的数据流处理环境，但需要维护Kafka集群。：适用于需要简单配置和灵活数据转换的场景，界面友好，但需要学习和配置StreamSets。：适用于需要复杂数据流管理和实时处理的场景，强大且灵活，但配置较复杂。选择合适的方法，可以确保数据在不同数据库系统之间的实时同步和一致性。
优化Apache Kylin性能：从调优到高效查询
weixin_41859354的博客
08-01 631
Apache Kylin 是一个分布式数据分析引擎，支持对超大规模数据集进行近实时的多维分析（OLAP）。它通过预计算的方式，将数据预先计算成多维立方体（Cube），从而在查询时能够提供亚秒级的响应时间。Kylin 支持与Hadoop生态系统的无缝集成，包括Hive、HBase和Spark等组件。数据模型设计优化：合理设计数据模型，包括维度、度量和聚合组的选择。构建过程优化：通过并行构建、增量构建和优化Cube大小，提高构建效率。查询性能优化：优化查询索引、缓存策略和查询参数，提高查询响应速度。
flink-sql写入hudi的行列转换lateral
LXP
08-06 137
【代码】flink-sql写入hudi的行列转换lateral。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值