ss810540895的博客

关于Raft的文章很多，本文是参考了很多的文章之后，总结出来的，写的不对之处欢迎赐教。1、Raft在对应的任期中每次只有一个leader产生，通过候选超时算法，保证了在大多数只有一个leader被选出的情况；2、所有的数据都是从leader流向follower中，通过日志的复制确认机制，保证绝大多数的follower都能同步到消息；3、当然，raft对于分布式中出现的各种安全性问题也做了兼容；4、不过真正实现一个生产级别的Raft算法库，需要考虑的东西还是很多，这里主要分析了几个主要的问题。

在Etcd中，为了解决滑动窗口的丢失历史事件的问题，可以通过缓存滑动窗口来保证历史事件不会丢失。具体而言，可以将滑动窗口中的历史事件记录到一个缓存中，当滑动窗口滑动到一定程度时，将缓存中的历史事件写入到磁盘中进行持久化存储。中添加事件时，会先将事件添加到普通的滑动窗口中，再将事件添加到缓存中。当缓存满了之后，会将缓存中的历史事件写入磁盘中，并重置游标。这样做的优点是可以保证历史事件的可靠性，同时也能够降低内存占用。，缓存滑动窗口的实现可能会增加代码的复杂性和运行时的开销，需要根据具体场景进行权衡。

【代码】堆和链表的demo。

​ （3）此时，我们停止增加 end，转而不断增加 start指针缩小窗口 [strat, end]，直到窗口中的字符串不再符合要求（不包 所给字符串 中的所有字符了）。​ 简而言之，滑动窗口算法在一个特定大小的字符串或数组上进行操作，而不在整个字符串和数组上操作，这样就降低了问题的复杂度，从而也达到降低了循环的嵌套深度。​ （2）我们先不断地增加 end指针扩大窗口 [strat, end]，直到窗口中的字符串符合要求（包含了 所给字符串中的所有字符）。​ 我们可以看到。

等，这些数据结构在二叉树的基础上衍生了很多的功能，在实际应用中广泛用到，例如mysql的数据库索引结构用的就是B+树，还有HashMap的底层源码中用到了红黑树。二叉树是一种比较有用的折中方案，它添加，删除元素都很快，并且在查找方面也有很多的算法优化，所以，二叉树既有链表的好处，也有数组的好处，是两者的优化方案，在处理大批量的动态数据方面非常有用。因此，我们将Joe的数据存进数组的3号箱子中。链表是物理存储单元上非连续的、非顺序的存储结构，数据元素的逻辑顺序是通过链表的指针地址实现，每个元素包含两个结点，

原文一个数在计算机中的表示形式是二进制的话，这个数其实就叫机器数。机器数通常是带有符号的（指有正数和负数之分），计算机用最高位存放符号，这个 bit 一般叫做符号位。 正数的符号位为 0， 负数的符号位为 1。比如，十进制中的数 +7 ，计算机字长为8位，转换成二进制就是 0 0 0 0 0 1 1 1（一个 byte 有 8bit，有效的取值范围是 -128 ~ +127）。如果是 -7 ，就是 1 0 0 0 0 1 1 1 。一个存储的二进制码分原码、反码、补码，下面我们就来介绍一下什么是原码、反码、

进制对照表

它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。桶排序最好情况下使用线性时间O(n)，桶排序的时间复杂度，取决与对各个桶之间数据进行排序的时间复杂度，因为其它部分的时间复杂度都为O(n)。很显然，桶划分的越小，各个桶之间的数据越少，排序所用的时间也会越少。计数排序是一个稳定的排序算法。和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(nlogn）的时间复杂度。

分析：首先，我们要搞明白，原始的算法为啥这么慢呢？因为它在一遍一遍的遍历s和t，做了很多重复工作，浪费了一些我们本该知道的信息。大大降低了效率。比如t长度为10，s匹配到位置5，如果t一直匹配到了t[8],到[9]才匹配错误，那s已经匹配到了位置14，下一步怎么做呢？接着从位置6开始，和t[0]开始匹配，而s位置6和t[0]甚至后面很大一部分信息我们其实都遍历过，都知道了，原始算法却还要重复匹配这些位置。所以效率极低。