先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Android移动开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
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Android开发知识点,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
如果你需要这些资料,可以添加V获取:vip204888 (备注Android)
正文
于大顶堆的方式的方式筛选出数组内最大的k个数。
先看看顶堆的数据结构,其中可以看出0位置是要么就是堆内最大或者最小,然后我们可以利用堆的特性,去把当前的数组的值和这个最大最小进行比较。堆的另外一个特性就是会重排序,参考堆排序算法。
当然你让我现场手写写我肯定是忘了,但是一个开发是可以偷鸡的呀,我们可以直接用优先级队列PriorityQueue
的内部实现就是大顶堆。对于海量数据来说,优先级队列基本就是一个比较合适的答案了。
总数1万个取最大100,快排略快,最小堆偶尔快。
总数10万个取最大100,最小堆略快,快排偶尔快。
总数100万个取最大100,最小堆完胜,快排没戏,而且最小堆大概快了2倍。
总数1000万个取最大100,最小堆完虐,快排没戏,而且最小堆快了大概2倍。
结论:最小堆比快排优秀。
原因:
1.速度确实快。
2.最小堆不需要打乱原数据顺序,而快排会打乱。(并不是快的原因,而是最小堆的优点)
3.如果内存有限,无法加载所有数据,则最小堆快。
以上数据引用自 topK问题最小堆和快排哪个快。所以偷鸡就可以解决第一层的问题。
public int findKthLargest(int[] nums, int k) {
PriorityQueue queue=new PriorityQueue(k,new Comparator() {
@Override
public int compare(Integer o1, Integer o2) {
return o1.compareTo(o2);
}
});
for(int i=0;i<nums.length;i++){
queue.add(nums[i]);
if(queue.size()>k){
queue.poll();
}
}
return queue.peek();
}
这是我leetcode乱写的第k大个数啊。
面试官对我的偷鸡取巧并不满意啊,他需要我提速,这个速度不行啊。
What??是有时间复杂度更低的吗?不不不,这是一道核心竟然是一道多线程的题目。
-
将10亿的数据分片,通过分治的思维对数据进行第一次处理。
-
开启多线程然后对其进行这些分片的数据进行优先级队列操作。
-
然后每个子线程筛选出其中最大的k个数
-
当所有线程执行完毕之后合并数据
-
是不是考虑下多少个数据一分片,然后如何把效能提升到最高的问题?
-
构建多少个线程读取效率是最高的?
这个都是我没想到的,各位大佬有想法的可以聊一下啊。
资源分享
网上学习 Android的资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。希望这份系统化的技术体系对大家有一个方向参考。
2020年虽然路途坎坷,都在说Android要没落,但是,不要慌,做自己的计划,学自己的习,竞争无处不在,每个行业都是如此。相信自己,没有做不到的,只有想不到的。祝大家2021年万事大吉。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注Android)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注Android)**
[外链图片转存中…(img-O4SyD6jb-1713170270760)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!