m0_62671297的博客

比如说中序的时候，他是先处理的时候将根节点放进栈中，之后判断栈不为空就开始循环，给他再弹出去然后按照正常的放入栈中的顺序去放，就比如说中序放入栈中就是右中左的顺序，然后每次都得在中节点后加一个null进行标记，其他就是正常一样的。分析一下为什么刚刚写的前序遍历的代码，不能和中序遍历通用呢，因为前序遍历的顺序是中左右，先访问的元素是中间节点，要处理的元素也是中间节点，所以刚刚才能写出相对简洁的代码，前序遍历是中左右，每次先处理的是中间节点，那么先将根节点放入栈中，然后将右孩子加入栈，再加入左孩子。

通过求滑动窗口最大值，以及前K个高频元素介绍了两种队列：单调队列和优先级队列，这是特殊场景解决问题的利器，是一定要掌握的滑动窗口是单调队列，从大到小排列，然后peek的值是最大的值前K个高频元素是优先级队列，自动从小到大排序，就是小顶堆，这里有很多固定的方法是需要注意的。

这道题主要是明白这种计算是怎么做的，这道题后边可以用后序遍历二叉树(左右根)的方法，但是在这里可以用栈的方法，栈用在这里也是恰到好处，因为咱们只需要把那些字符数字放入栈里，然后遇到一个运算符就把栈顶前两个数进行运算操作，操作后的结果再压入栈中，最后返回栈顶的元素就是最终的结果。这道题普及了很多的概念，比如说length()方法是String类的，size()方法是char类型 栈类型可以用的，然后charAt()方法是string字符串才可以用的，他往数组中添加元素是用ch.add(x)来添加的。

在这里注意一下Stack<Integer>这是一个泛型类，所以只会接受引用类型作为参数，不是接受基本数据类型，而Integer是引用类型，int是基本数据类型，不能放在这里，只能放引用类型，Integer是int的包装，这道题主要是直到队列里的常用函数其实就好做了，队列里通常有addFirst()，addLast(x)，pollFirst()，pollLast()，peekFirst()，peekLast()这些函数。return res;而对于他的操作就是push(Stackin.pop())里的值。

主要是双指针法，以及KMP算法的地方双指针法在数组、链表以及字符串中很常用KMP算法主要是理解最长相等前后缀概念是什么，怎么拿笔求出来的，之后又怎么用next数组求出来的，在匹配字符串的时候很实用字符串类类型的题目，往往想法比较简单，但是实现起来并不容易，复杂的字符串题目非常考验对代码的掌控能力。双指针法是字符串处理的常客。KMP算法是字符串查找最重要的算法，但彻底理解KMP并不容易，我们已经写了五篇KMP的文章，不断总结和完善，最终才把KMP讲清楚。(摘自代码随想录)

然后下一步就是去掉两个单词中间的连续空格（这步真的出乎我的意料，想了好久才想明白，因为简简单单的两个或语句的判断，就能让连续空格消失），这步主要是从start开始先判断一下start的位置是否是包含空格的，如果他是包含空格的，那么就判断一下形成的新串sb是否也包含空格，因为这一步马上就是要把start位置的字符放到sb新串上，所以得双重或语句判断一下，也就是说他们两个有一个是空就行，所以是或语句，所以就有if(c!然后再找找规律，发现在把整体的字符翻转之后，再分部分翻转，正好是右旋转字符串的结果。

还有一个要注意的问题，在sum=nums[i] + nums[j] + nums[left] + nums[right];要变成长整型原因如下，主要还是怕int类型范围溢出，因为是加的四个数，多了一个数在。

然后下一步调用自定义函数getnextnum，这个函数主要是获取的下一轮n，在函数之外声明新的函数，新的函数主要是求一下n的各个位置数字的平方和，正常的第一步与10取余操作，然后统计个位数的平方，用res来存，用一个res+=的操作来求十位以及百位的和，之后要取整取出来个位之前的位数数字，之后再进入循环取出个位，相加，直到n是等于0的时候，结束循环，返回最终的结果res给主函数 判断是否是1，是1的话就是直接返回true，因为返回的是布尔型的，所以是return n==1;map也是一样的道理。

明白题目给定的n和咱们快慢指针的移动的关系，首先先让快指针移动n+1步【因为只有这样同时移动的时候slow才能指向删除节点的上一个节点（方便做删除操作）】，之后慢指针和快指针同时移动，直到快指针指向了null，这时你会发现慢指针的next即为待删的倒数第n个节点，之后直接进行节点删除的正常操作。之后就是循环，将创建的指针分别指向对应的第一、第二、第三个节点，这都是用cur.next表示的，为的是每次最后移动cur到下一轮的时候，这三个指针也会自动移动到下一轮的位置，因为是都是基于cur.next来创建的。

案例演示：（1） 在核心配置文件 applicatin.properties 中，添加两个自定义配置项 school.name 和website。在 IDEA 中可以看到这两个属性不能被 SpringBoot 识别，背景是桔色的 ：.properties方式@Value注解 用于逐个读取application.properties中的配置（2）在 SpringBootController 中定义属性，并使用@Value 注解或者自定义配置值，并对其方法进行测试。

/节点的值int val;//下一个节点//节点的构造函数(无参)//节点的构造函数(有一个参数)//节点的构造函数(有两个参数)

这道题的关键思想在于你比如说给了n=5，那么他的循环次数就是while(loop<2)，5/2=2，循环次数loop取得是n/2，外层一次循环就是四个过程，左到右，上到下，右到左，下到上，然后每次循环到末尾时，这些i和j都是停留在那里了，是个定值，下一个for又可以使用，相当于位置和值一直给下边for输送，恰恰值也是这样传递下去的。这道题主要掌握一个滑动窗口的使用，并且这个应用场景适合滑动窗口，滑动窗口创建是通过在for循环内部while循环sum -=nums[i++]；

二维数组在内存的空间地址不一定连续，这取决于不同的编程语言，不同编程语言的内存管理是不一样的，在c++中二维数组是连续分布的，但是在java中二维数组是不连续的。再看以下是左闭右开版本：right赋值的时候是mid，因为mid的值本身就不包括，这是又是开区间的，所以索性直接right赋值mid。主要是区分一下左闭右闭，和左闭又开，其实也没啥区别，只是。以下是左闭右闭版本：right赋值的时候是mid-1。数组的元素是不可以删除的，但是可以覆盖。数组内存空间的地址是连续的。

流处理（流处理程序使用的是 StreamExecutionEnvironment）spark streaming：微批处理，“攒批”，无法做到低延迟。2、从文件读取数据 按行读取(存储的元素就是每行的文本)Spark 以批处理为根本，并尝试在批处理之上支持流计算。2、读取文本流（socketTextStream）三、DataStream API。一、flink（低延迟）1、创建流式执行环境。

System.out.println("这是一个路径或者目录" + status.getPath().getName());//参数解读：参数一：HDFS原文件是否删除，参数二：原文件的路径HDFS，参数三：目标地址的路径Win，参数四：是否开启一个本地校验。System.out.println("这是一个文件" + status.getPath().getName());//参数解读：参数一：查看哪一个路径下的文件信息，参数二：是否递归。//参数解读：参数一：要删除的路径，参数二：是否递归删除，

Hadoop 2.x - 在Hadoop 1.0中，只有一个NameNode来管理所有Namespace，但在Hadoop 2.0中，多个NameNode用于多个Namespace。Hadoop 3.x - 此处，MR API与运行Hadoop 1.x程序兼容，以便在Hadoop 3.X上执行。Hadoop 3.x - 可以使用Hive，pig，Tez，Hama，Giraph和其他Hadoop工具。Hadoop 2.x - 使用Hive，pig，Tez，Hama，Giraph和其他Hadoop工具。

二、专利方向必须确定，可以考虑es同步的删除操作 互相同步的操作。一、开始学习spark 0/210。

所述索引状态为以下之一：第一索引状态和第二索引状态，所述第一索引状态的索引存储的数据已缓存至Elasticsearch内存中，所述第二索引状态的索引存储的数据未缓存至所述Elasticsearch内存中；若所述待查询索引为第二索引状态的索引，将所述待查询索引存储的数据缓存至所述Elasticsearch内存中，并依据所述数据搜索请求和所述待查询索引，从所述Elasticsearch内存中进行搜索，得到第二数据，并将所述第二数据存储在所述缓存区；从所述缓存区中的数据确定所述数据搜索请求的搜索结果。

问题：在克隆虚拟机的时候网络连接出现了问题，已经设置了Linux系统ifcfg-ens33文件中IP地址、虚拟网络编辑器地址和Windows系统VM8网络IP地址相同。但是还是连接不上，正在解决。二、专利方向：从 MySQL 到 ElasticSearch，使用flink cdc进行同步（包括删除），并且可视化到es端。目前阶段：在学习flink内容，搭建flink集群。重新恢复了快照，重新设置进行了连接。一、学习了部分flink，flink CDC内容。

是MapReduce分布式计算框架的demo,可以作为MapReduce入门Demo,了解其思想）捆绑到jar文件中，之后执行，输入路径是集群的根目录/wcinput 输出路径也得是集群的输出路径（运行WordCount要配置输入和输出目录，不然会报错，而且输出目录不能存在，运行时会自动创建）之前配置的namenode的地址hadoop102:8020相当于是hadoop内部的一个通讯地址，现在想要我们在外部访问hdfs，所以要暴露一个外部接口hadoop102:9870。