自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 【解析】leetcode5.最长回文子串

再定义一个left,数值为迭代次数减去最大子串的长度,定义为下标,所以再减去1,即为i-len(maxsub) (maxsub即为最长子串)这个下标代表的是最长子串开始处的下标。我们需要找到s中的最长回文子串,我们可以想到需要的是定义一个空的子串,接下来我们只需要在循环过程中迭代更新这个子串,最后就可以得到最长的回文子串。那么我们就可以对下一次的迭代进行判断,我们向后再取一个字符,那么字符串整体就是s[left:i+1],我们把这个字符串定义为tmp。解释:"aba" 同样是符合题意的答案。

2024-08-29 15:30:10 148

原创 【解析】LeetCode4.寻找两个正序数组的中位数

假定这两个数组为A,B:那么如果A数组这个位置的元素比B数组的小的话,那么这个位置的元素包括这个位置前面的元素都不可能是第k个小的元素了,因为我们所取的已经有比他们大的元素了。如果取p=k/2,那么就相当于又进行判断,两个数组的第[p/2-1]个位置的比较,而被拆掉部分元素的数组下标就需要对应地加上k/2。这样反复地判断,直到k最后等于1为止,k到了1的时候该比第k个元素小的元素都已经排除出去了,那么我们就求最后一次迭代的两个数组首元素,看哪个更小,就是第k小的元素。限制时间复杂度为log(m+n)。

2024-08-29 14:31:38 125

原创 【解析】使用状态机解决LeetCode552. 学生出勤记录 II

首先,我们需要知道,出勤记录是由'A','L','P'三个字符组成的字符串,字符'A'的总数要小于2,连续出现的字符'L'需要小于三个,我们需要计算固定长度的出勤记录满足这两个条件的情况个数。所以在这几种状态之间添加剩下的字符P,第一种状态会受到第二种和第三种状态的影响,第四种状态会受到第五种和第六种状态的影响,而第四种状态还会受到第一种状态的影响。首先,字符串子部分可以是没有A,也没有L的,我们统计的初始值就是这种情况,是空的,所以可以记为状态1。假如我们把这六种情况设为a,b,c,d,e,f。

2024-08-20 01:45:46 349

原创 关于物模型,你可能想知道

官方文档:物模型TSL)是一个JSON格式的文件,它是物理空间中的实体,如传感器、车载装置、楼宇、工厂等在云端的数字化表示,从属性、服务和事件三个维度,分别描述了该实体是什么、能做什么、可以对外提供哪些信息。event)定义了物模型的这三个维度,即完成了产品功能的定义。物模型相关概念和使用限制_物联网平台-阿里云帮助中心简单来说,物模型就是在云平台上对设备的抽象,抽象后方便设备和平台进行交互,统一一个交互规则;

2024-07-23 16:26:02 855

原创 使用阿里物模型深入解释MQTT原理

MQTT(Message Queuing Telemetry Transport)消息队列遥测传输协议是一种轻量级的基于发布/订阅模型的消息传输协议,主要用于物联网(IoT)环境中设备间的通信。它被设计为简单、开放、易于实现,并且可以支持低带宽、高延迟或不可靠的网络环境。

2024-07-23 16:02:57 1030

原创 Hive简述

而传统的数据仓库是基于关系数据库的,无法满足快速增长的海量数据存储的需求,只能支持结构化数据的存储,没有办法有效处理不同类型的非结构化数据,比如日志,也没有办法水平扩展,导致计算和处理的能力不足。4、分区,Hive中的一个表可以有一个或者多个的分区,这些分区决定了数据的存储方式,使得查询操作只查询扫描相关性高的那部分数据,从而大大提高Hive的工作效率。2、在数据的更新方面,Hive也不支持数据的更新。简而言之,数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的数据集合,用于支持管理的决策。

2023-12-20 19:38:33 959 1

原创 大数据处理批处理计算框架MapReduce简述【大数据存储与处理】

这个模型的计算过程抽象到了两个函数,一个是Map,一个是Reduce,编程比较简单,先分片(split),为每一个片单独启动一个Map任务,多个Map任务,多个机器并行处理,而由于设计理念是“给数据以计算”,而不是“给计算以数据”,所以移动数需要巨大的网络传输开销。注意,HDFS是以固定大小block为存储单位存储的,而MapReduce的处理单位是split,这是一个逻辑概念,划分的方法完全由用户自个决定。其四,传统的并行框架是实时的,是计算密集型的,而M是批处理,是非实时的,是数据密集型的。

2023-12-06 19:44:32 690 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除