愿君出走半生，归来时仍是少年

尽管在国标GB28181中并没有对“平台”进行明确的定义，但在规范中却多次提到“系统平台”、“管理平台”等词汇，在具体项目中、网络上的交流学习中，平台概念也是无处不在。尽管标准对视频的上行和下行（播放）都明确定义要RTP协议，但是在实际应用中存在向各种终端（手机、浏览器）、各种业务平台转发音视频的需求，因此流媒体服务器的实现应当提供更多的灵活性，在采用RTP协议接收和转发音视频的同时，应当支持更多播放协议，以支持更广泛的终端集成播放需求。四、GB28181协议在Android上的实现。

因为有些同学不会配置，我这里补充说明一下配置方法，大家可根据各自的开发环境参考调整一下自己的配置参数（特别是sdk和ndk路径，要换成自己电脑上的路径，ndk版本不要太老）1、gradle-wrapper.properties文件。3、根project目录下的build.gradle文件。2、local.properties文件。

方便起见，我们是添加在 android.app 包中 （平台可能会限制我们添加到自定义的目录）这里仅 声明了 一个 plus 函数，实现对两个 int 值的加法， 并返回 int 值的结果， 相当简单。

一、JAVA基础1.synchronized的修饰对象当synchronized用来修饰静态方法或者类时，将会使得这个类的所有对象都是共享一把类锁，导致线程阻塞，所以这种写法一定要规避无论synchronized关键字加在方法上还是对象上，如果它作用的对象是非静态的，则它取得的锁是对象；如果synchronized作用的对象是一个静态方法或一个类，则它取得的锁是对类，该类所有的对象同一把锁。每个对象只有一个锁（lock）与之相关联，谁拿到这个锁谁就可以运行它所控制的那段代码。实现同步是要

本章讨论的是基于KMP算法（KMP即Knuth-Morris-Pratt）的串的模式匹配问题，什么是模式匹配，请参考前一章“字符串的模式匹配”。查找算法实例让我们用一个实例来演示这个算法。在任意给定时间，本算法被两个整数m和i所决定：m代表主文字符串S内匹配字符串W的当前查找位置， i代表匹配字符串W当前做比较的字符位置。图示如下：...

字符串的模式匹配是计算机中应用非常广泛的一个问题，在浏览器、数据库等查询中，都需要用到模式匹配。问题描述：给定两个字符串txt[0..n-1]和pat[0..m-1]，试查找txt中pat子串所在的所有位置，假设n>m。例如：...

0-1背包问题，是说给定 n 个物体，每个物体都有一定的重量和价值，再给一个能容纳最大重量为 w 的背包。求从 n 个物体中选出若干个放到背包中，在所选物体总重量不超过 w 的情况下，所选物体的总价值最大。注意：所有物体都不可分割。分析：这个问题可抽象为给定两个数组 wt[0..n-1] 和 val[0..n-1]，第一个数组表示各物体的重量，第二个数组表示各物体的价值。从 wt 数组中选出若干个元素，它们的总重复不超过 w，而且总价值最大。这是动态规划里的一个经典问题1.最优子结构性质

二项式系数 C(n, k)，或组合数，是定义为形如 (1+x) 的二项式 n 次幂展开后 x 的系数（其中 n 为自然数，k 为整数）。C(n, k) 给出了从 n 个物体中随机选出 k 个物体的所有可选组合的数量。例如 C(4, 2) 表示从 4 个物体中随机选出 2 个，一共有 6 种选法，所以 C(4, 2)=6；类似的，C(5, 2)=10。由二项式的性质有下面的两个公式C(n, k) = C(n-1, k-1) + C(n-1, k)C(n, 0) = C(n, n) = 1现要求

一、MultiPortEchoimport java.io.*;import java.net.*;import java.nio.*;import java.nio.channels.*;import java.util.*;public class MultiPortEcho{ private int ports[]; private ByteBuffer echoBuffer = ByteBuffer.allocate( 1024 ); public MultiPor

import java.io.*;import java.nio.*;import java.nio.channels.*;public class CreateArrayBuffer{ static public void main( String args[] ) throws Exception { byte array[] = new byte[1024]; ByteBuffer buffer = ByteBuffer.wrap( array ); buf.

import java.io.*;import java.nio.*;import java.nio.channels.*;public class CopyFile{ static public void main( String args[] ) throws Exception { if (args.length<2) { System.err.println( "Usage: java CopyFile infile outfile" ); Sy.

前面两个类，是所有这些算法题可能用到的公共基础类（即BinaryTreeNode类和Node类）BinaryTreeNodepublic class BinaryTreeNode { private int data; private BinaryTreeNode LchildNode; private BinaryTreeNode RchildNode; public BinaryTreeNode(int data) { super();

题目描述给一个浮点数序列，取最大乘积连续子串的值，例如 -2.5，4，0，3，0.5，8，-1，则取出的最大乘积连续子串为3，0.5，8。也就是说，上述数组中，3 0.5 8这3个数的乘积30.58=12是最大的，而且是连续的。分析与解法此最大乘积连续子串与最大乘积子序列不同，请勿混淆，前者子串要求连续，后者子序列不要求连续。也就是说，最长公共子串（Longest CommonSubstring）和最长公共子序列（LongestCommon Subsequence，LCS）是：子串（Subs

题目描述输入两个整数n和sum，从数列1，2，3.......n 中随意取几个数，使其和等于sum，要求将其中所有的可能组合列出来。分析与解法解法一注意到取n，和不取n个区别即可，考虑是否取第n个数的策略，可以转化为一个只和前n-1个数相关的问题。如果取第n个数，那么问题就转化为“取前n-1个数使得它们的和为sum-n”，对应的代码语句就是sumOfkNumber(sum - n, n - 1)； 如果不取第n个数，那么问题就转化为“取前n-1个数使得他们的和为sum”，对应的代码语句

题目描述输入n个整数，输出其中最小的k个。分析与解法解法一要求一个序列中最小的k个数，按照惯有的思维方式，则是先对这个序列从小到大排序，然后输出前面的最小的k个数。至于选取什么的排序方法，我想你可能会第一时间想到快速排序（我们知道，快速排序平均所费时间为n*logn），然后再遍历序列中前k个元素输出即可。因此，总的时间复杂度：O（n * log n)+O(k)=O（n * log n）。解法二咱们再进一步想想，题目没有要求最小的k个数有序，也没要求最后n-k个数有序。既然如此，就

B+ 树在现代数据库中很常见，如果我们了解它，在工作中可能对性能优化会有更好的帮助！最近我一直在思考 B+ 树的高度是由什么决定的。知道我了解了 B+ 树的插入过程，才有一种恍然大悟的感觉！网上的一些资料杂乱无章，不同的数据库可能还有对 B+ 树有不同的实现。但是万变不离其宗，B+ 树的定义，大致如下所示：总结一下，B+ 树有下面 5 个重要的特点。B+ 树包含 2 种类型的结点： 内部结点（也称索引结点）和叶子结点。 根结点本身即可以是内部结点，也可以是叶子结点。 根结点的关键字个数最

第一部分：Top K 算法详解问题描述百度面试题：搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。 假设目前有一千万个记录（这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，也就是越热门。），请你统计最热门的10个查询串，要求使用的内存不能超过1G。必备知识什么是哈希表？哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访

题目描述给40亿个不重复的unsigned int的整数，没排过序的，然后再给一个数，如何快速判断这个数是否在那40亿个数当中？分析与解法海量数据处理往往会很有趣，有趣在什么地方呢？空间，available的内存不够，需要反复交换内存 时间，速度太慢不行，毕竟那是海量数据 处理，数据是一次调用还是反复调用，因为针对时间和空间，通常来说，多次调用的话，势必会增加预处理以减少每次调用的时候的时间代价。解法一咱们回到眼前要解决的这个问题，1个unsigned int占用4字节，40亿大约

指定一个点（源点）到其余各个顶点的最短路径，也叫做“单源最短路径”，即Dijkstra算法。单源什么意思？从一个顶点出发，Dijkstra算法只能求一个顶点到其他点的最短距离而不能任意两点。Dijkstra算法的标记和结构与prim算法的用法十分相似，它们两者都会从余下顶点的优先队列中选择下一个顶点来构造一颗扩展树。但千万不要把它们混淆了，它们解决的是不同的问题。因此，所操作的优先级也是以不同的方式计算的：Dijkstra算法比较路径的长度，因此必须把边的权重相加，而prim算法则直接比较给定的权

1.1 重建二叉树已知前序遍历为{1,2,4,7,3,5,6,8}，中序遍历为{4,7,2,1,5,3,8,6}，它的二叉树是怎么样的？1、思路根据前、中序遍历的特点，（根左右、左根右），先根据前序遍历确定根节点，然后在中序遍历知道该根节点的左右树的数量，反推出前序遍历中左子树的结点有哪些。根据该思路进行递归即可完成二叉树的重建。2、 测试用例完全二叉树、非完全二叉树 —— 普通测试。只有左子节点二叉树，只有右子节点、只有一个结点的二叉树 —— 特殊二叉树测试。空树、前序和中序不匹配 —