数据结构与算法【Java】10---图

最新推荐文章于 2024-05-21 10:23:42 发布
最新推荐文章于 2024-05-21 10:23:42 发布
阅读量683 收藏 1
点赞数 1
分类专栏： 数据结构与算法 文章标签： java 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52200256/article/details/127163090
版权

文章目录


##前言
数据 data 结构(structure)是一门 研究组织数据方式的学科，有了编程语言也就有了数据结构.学好数据结构才可以编写出更加漂亮,更加有效率的代码。

  • 要学习好数据结构就要多多考虑如何将生活中遇到的问题,用程序去实现解决.
  • 程序 = 数据结构 + 算法
  • 数据结构是算法的基础, 换言之，想要学好算法，需要把数据结构学到位

我会用数据结构与算法【Java】这一系列的博客记录自己的学习过程，如有遗留和错误欢迎大家提出，我会第一时间改正！！！

注：数据结构与算法【Java】这一系列的博客参考于B站尚硅谷的视频，文章仅用于学习交流，视频原地址为【尚硅谷】数据结构与算法（Java数据结构与算法），大家记得一键三连哦~
上一篇文章数据结构与算法【Java】09—多路查找树

1、图的简介

1.1、为什么要有图

  1. 前面我们学习了线性表和树
  2. 线性表局限于一个直接前驱和一个直接后继的关系
  3. 树也只能有一个直接前驱也就是父节点
  4. 当我们需要 表示多对多的关系时， 这里我们就用到了 图

1.2、图的定义

  • 图是一种比线性表和树更为复杂的数据结构，图与他们的不同表现在节点之间的关系上
  • 在图结构中，顶点之间的关系可以是多对多，即某一顶点与其他顶点间的关系是任意的，既可以有关也可以无关
  • 图由两个集合V和VR组成，其中V是有限顶点的集合，VR是顶点关系的有限集合
  • 习惯上将图中的数据元素成为顶点

1.3、图的基本概念

  1. 顶点(vertex)

  2. 边(edge)

  3. 度：顶点V的度是与V相关联的边的数目（顶点的度=入度+出度）

  4. 路径

  5. 无向图

  1. 有向图

  2. 带权图

  1. 完全图

    一个具有n个节点的无向图，其边数小于或等于n*(n-1)/2,如果边数恰好等于n*(n-1)/2,n个顶点的无向图称为完全图

2、图的存储

数据结构在存储时重点考虑存储数据+关系，图有4中比较常用的存储方法，我们重点学习前两种

  • 邻接矩阵（二维数组）
  • 邻接表（链表）
  • 邻接多重表（无向图）
  • 十字链表（有向图）

2.1、邻接矩阵

接矩阵是表示图形中顶点之间相邻关系的矩阵，对于 n 个顶点的图而言，矩阵是的 row 和 col 表示的是 1…n
个点。

  • 对于无向图而言，其邻接矩阵第i行元素之和就是图中第i个顶点的度
    • 比如：第0行之和为4，那么顶点0的度就为4
  • 对于有向图而言，其邻接矩阵第i行元素之和就是图中第i个顶点的出度
  • 对于有向图而言，其邻接矩阵第i列元素之和就是图中第i个顶点的入度

2.2、 邻接表

  1. 邻接矩阵需要为每个顶点都分配 n 个边的空间，其实有很多边都是不存在,会造成空间的一定损失.
  2. 邻接表的实现只关心存在的边，不关心不存在的边。因此没有空间浪费，邻接表由数组+链表组成

举例说明：

（1）无向图

（2）邻接表

2.3、图的代码实现

1、要求: 代码实现如下图结构.

2、思路分析：

(1) 存储顶点 String 使用 ArrayList

(2) 保存矩阵 int[][] edges

3、核心代码

//插入结点
public void insertVertex(String vertex) {
		vertexList.add(vertex);
}
//添加边
/**
*
* @param v1 表示点的下标即使第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 第二个顶点对应的下标
* @param weight 表示
*/
public void insertEdge(int v1, int v2, int weight) {
		edges[v1][v2] = weight;
		edges[v2][v1] = weight;
		numOfEdges++;
}

3、图的遍历

​ 与树的遍历类似，图的遍历（ traversing graph ）是从某一顶点出发按序访问图中所有结点，且使每个结点仅被访问一次。

​ 遍历图比遍历树要复杂，因为图中的某一个顶点可能与图中其余顶点相邻接，即图中可能有回路。所以当从某一顶点访问其他顶点后，有可能顺着某一些边又回到了该顶点。因此在遍历图时，为了保证图中的各顶点在遍历过程中被访问且仅被访问一次，则需要为每个顶点设一个访问标志。设置一个数组，用于标示图中每个顶点是否被访问过，它的初始值全部为0（假），表示顶点均未被访问过；某一个顶点被访问后，置相应访问标志数组中的值为1（真），表示该顶点已被访问过。

​ 按图中结点的访问顺序，图的遍历分两种：一种是深度优先遍历（搜索），另一种是广度优先遍历（搜索）。

3.1、深度优先遍历（DFS）

3.1.1、深度优先遍历基本思想

图的深度优先搜索(Depth First Search) 。

  1. 深度优先遍历，从初始访问结点出发，初始访问结点可能有多个邻接结点，深度优先遍历的策略就是首先访问
    第一个邻接结点，然后再以这个被访问的邻接结点作为初始结点，访问它的第一个邻接结点， 可以这样理解：
    每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。
  2. 我们可以看到，这样的访问策略是优先往纵向挖掘深入，而不是对一个结点的所有邻接结点进行横向访问。
  3. 显然，深度优先搜索是一个递归的过程
3.1.2、深度优先遍历算法步骤
  1. 访问初始结点 v，并标记结点 v 为已访问。
  2. 查找结点 v 的第一个邻接结点 w。
  3. 若 w 存在，则继续执行 4，如果 w 不存在，则回到第 1 步，将从 v 的下一个结点继续。
  4. 若 w 未被访问，对 w 进行深度优先遍历递归（即把 w 当做另一个 v，然后进行步骤 123）。
  5. 查找结点 v 的 w 邻接结点的下一个邻接结点，转到步骤 3。

分析图：

具体过程分析：

1、假设从A开始，A找到B,B存在且未被访问，下一次就从B为初始节点开始寻找(注意节点遍历过后要记录已被访问)

2、从B开始寻找，A已被访问，再找到C,将C标记为已访问，下一次从C为初始节点开始寻找

3、从C开始寻找，A,B已经被访问，找不到能够直接连接的顶点，退回B

4、从B开始寻找，A,C已经被访问，找到D,将D标记为已访问，下一次从D为初始节点开始寻找

5、从D开始寻找，B已经被访问，找不到能够直接连接的顶点，退回B

6、从B开始寻找，A,C,D已经被访问，找到E,将E标记为已访问，下一次从E为初始节点开始寻找

7、从E开始寻找，B已经被访问，找不到能够直接连接的顶点，退回B

8、从B开始寻找，A,C,D,E已经被访问,找不到能够直接连接的顶点

9、最后再从A开始进行递归遍历发现都已经被访问就结束

3.1.3、深度优先遍历代码实现

核心代码

//得到第一个邻接结点的下标 w 
/**
 * 
 * @param index 
 * @return 如果存在就返回对应的下标，否则返回-1
 */
public int getFirstNeighbor(int index) {
   for(int j = 0; j < vertexList.size(); j++) {
      if(edges[index][j] > 0) {
         return j;
      }
   }
   return -1;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
public int getNextNeighbor(int v1, int v2) {
   for(int j = v2 + 1; j < vertexList.size(); j++) {
      if(edges[v1][j] > 0) {
         return j;
      }
   }
   return -1;
}

//深度优先遍历算法
//i 第一次就是 0
private void dfs(boolean[] isVisited, int i) {
   //首先我们访问该结点,输出
   System.out.print(getValueByIndex(i) + "->");
   //将结点设置为已经访问
   isVisited[i] = true;
   //查找结点i的第一个邻接结点w
   int w = getFirstNeighbor(i);
   while(w != -1) {//说明有
      if(!isVisited[w]) {
         dfs(isVisited, w);
      }
      //如果w结点已经被访问过
      w = getNextNeighbor(i, w);
   }
   
}

3.2、广度优先遍历(BFS)

3.2.1、广度优先遍历基本思想
  1. 图的广度优先搜索(Breadth First Search) ,按照广度方向搜索。
  2. 与深度优先搜索不同的是，广度优先搜索先访问完所有的邻接点，在去寻找与邻接点相邻的下一层的其他节点，类似于树的层次遍历
3.2.2、广度优先遍历算法和步骤
  1. 访问初始结点 v 并标记结点 v 为已访问。
  2. 结点 v 入队列
  3. 当队列非空时，继续执行，否则算法结束。
  4. 出队列，取得队头结点 u。
  5. 查找结点 u 的第一个邻接结点 w。
  6. 若结点 u 的邻接结点 w 不存在，则转到步骤 3；否则循环执行以下三个步骤：
    6.1 若结点 w 尚未被访问，则访问结点 w 并标记为已访问。
    6.2 结点 w 入队列
    6.3 查找结点 u 的继 w 邻接结点后的下一个邻接结点 w，转到步骤 6。

分析图：

具体过程分析：

1、从A开始找到B,将A,B标记为已访问，下一次从A开始

2、从A开始找到B的后继节点C，将C标记为已访问，下一次从A开始

3、从A开始找，B,C已经被访问，找不到，下一次从B开始

4、从B开始找,A,C已经被访问，找到D,将D标记为已访问，下一次从B开始

5、从B开始找,A,C,D已经被访问，找到E,将E标记为已访问，下一次从B开始

6、从B开始找,A,C,D,E已经被访问，找不到

7、最后再从A开始进行递归遍历发现都已经被访问就结束

3.2.3、广度优先遍历代码实现

核心代码

//对一个结点进行广度优先遍历的方法
private void bfs(boolean[] isVisited, int i) {
   int u ; // 表示队列的头结点对应下标
   int w ; // 邻接结点w
   //队列，记录结点访问的顺序
   LinkedList queue = new LinkedList();
   //访问结点，输出结点信息
   System.out.print(getValueByIndex(i) + "=>");
   //标记为已访问
   isVisited[i] = true;
   //将结点加入队列
   queue.addLast(i);
   
   while( !queue.isEmpty()) {
      //取出队列的头结点下标
      u = (Integer)queue.removeFirst();
      //得到第一个邻接结点的下标 w 
      w = getFirstNeighbor(u);
      while(w != -1) {//找到
         //是否访问过
         if(!isVisited[w]) {
            System.out.print(getValueByIndex(w) + "=>");
            //标记已经访问
            isVisited[w] = true;
            //入队
            queue.addLast(w);
         }
         //以u为前驱点，找w后面的下一个邻结点
         w = getNextNeighbor(u, w); //体现出我们的广度优先
      }
   }
   
} 

//遍历所有的结点，都进行广度优先搜索
public void bfs() {
   isVisited = new boolean[vertexList.size()];
   for(int i = 0; i < getNumOfVertex(); i++) {
      if(!isVisited[i]) {
         bfs(isVisited, i);
      }
   }
}

3.3、图的遍历代码汇总

整体代码：

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

public class Graph {

   private ArrayList<String> vertexList; //存储顶点集合
   private int[][] edges; //存储图对应的邻结矩阵
   private int numOfEdges; //表示边的数目
   //定义给数组boolean[], 记录某个结点是否被访问
   private boolean[] isVisited;
   
   public static void main(String[] args) {
      //测试一把图是否创建ok
      int n = 8;  //结点的个数
      String Vertexs[] = {"A", "B", "C", "D", "E"};
 
      //创建图对象
      Graph graph = new Graph(n);
      //循环的添加顶点
      for(String vertex: Vertexs) {
         graph.insertVertex(vertex);
      }
      
      //添加边
      //A-B A-C B-C B-D B-E
      graph.insertEdge(0, 1, 1); // A-B
      graph.insertEdge(0, 2, 1); //
      graph.insertEdge(1, 2, 1); //
      graph.insertEdge(1, 3, 1); //
      graph.insertEdge(1, 4, 1); //
      
      //显示邻结矩阵
      graph.showGraph();
      
      //测试，我们的dfs遍历是否ok
      System.out.println("深度遍历");
      graph.dfs(); // A->B->C->D->E 
      System.out.println();
      System.out.println("广度优先");
      graph.bfs(); // A->B->C->D-E
      
   }
   
   //构造器
   public Graph(int n) {
      //初始化矩阵和vertexList
      edges = new int[n][n];
      vertexList = new ArrayList<String>(n);
      numOfEdges = 0;
      
   }
   
   //得到第一个邻接结点的下标 w 
   /**
    * 
    * @param index 
    * @return 如果存在就返回对应的下标，否则返回-1
    */
   public int getFirstNeighbor(int index) {
      for(int j = 0; j < vertexList.size(); j++) {
         if(edges[index][j] > 0) {
            return j;
         }
      }
      return -1;
   }
   //根据前一个邻接结点的下标来获取下一个邻接结点
   public int getNextNeighbor(int v1, int v2) {
      for(int j = v2 + 1; j < vertexList.size(); j++) {
         if(edges[v1][j] > 0) {
            return j;
         }
      }
      return -1;
   }
   
   //深度优先遍历算法
   //i 第一次就是 0
   private void dfs(boolean[] isVisited, int i) {
      //首先我们访问该结点,输出
      System.out.print(getValueByIndex(i) + "->");
      //将结点设置为已经访问
      isVisited[i] = true;
      //查找结点i的第一个邻接结点w
      int w = getFirstNeighbor(i);
      while(w != -1) {//说明有
         if(!isVisited[w]) {
            dfs(isVisited, w);
         }
         //如果w结点已经被访问过
         w = getNextNeighbor(i, w);
      }
      
   }
   
   //对dfs 进行一个重载, 遍历我们所有的结点，并进行 dfs
   public void dfs() {
      isVisited = new boolean[vertexList.size()];
      //遍历所有的结点，进行dfs[回溯]
      for(int i = 0; i < getNumOfVertex(); i++) {
         if(!isVisited[i]) {
            dfs(isVisited, i);
         }
      }
   }
   
   //对一个结点进行广度优先遍历的方法
   private void bfs(boolean[] isVisited, int i) {
      int u ; // 表示队列的头结点对应下标
      int w ; // 邻接结点w
      //队列，记录结点访问的顺序
      LinkedList queue = new LinkedList();
      //访问结点，输出结点信息
      System.out.print(getValueByIndex(i) + "=>");
      //标记为已访问
      isVisited[i] = true;
      //将结点加入队列
      queue.addLast(i);
      
      while( !queue.isEmpty()) {
         //取出队列的头结点下标
         u = (Integer)queue.removeFirst();
         //得到第一个邻接结点的下标 w 
         w = getFirstNeighbor(u);
         while(w != -1) {//找到
            //是否访问过
            if(!isVisited[w]) {
               System.out.print(getValueByIndex(w) + "=>");
               //标记已经访问
               isVisited[w] = true;
               //入队
               queue.addLast(w);
            }
            //以u为前驱点，找w后面的下一个邻结点
            w = getNextNeighbor(u, w); //体现出我们的广度优先
         }
      }
      
   } 
   
   //遍历所有的结点，都进行广度优先搜索
   public void bfs() {
      isVisited = new boolean[vertexList.size()];
      for(int i = 0; i < getNumOfVertex(); i++) {
         if(!isVisited[i]) {
            bfs(isVisited, i);
         }
      }
   }
   
   //图中常用的方法
   //返回结点的个数
   public int getNumOfVertex() {
      return vertexList.size();
   }
   //显示图对应的矩阵
   public void showGraph() {
      for(int[] link : edges) {
         System.err.println(Arrays.toString(link));
      }
   }
   //得到边的数目
   public int getNumOfEdges() {
      return numOfEdges;
   }
   //返回结点i(下标)对应的数据 0->"A" 1->"B" 2->"C"
   public String getValueByIndex(int i) {
      return vertexList.get(i);
   }
   //返回v1和v2的权值
   public int getWeight(int v1, int v2) {
      return edges[v1][v2];
   }
   //插入结点
   public void insertVertex(String vertex) {
      vertexList.add(vertex);
   }
   //添加边
   /**
    * 
    * @param v1 表示点的下标即使第几个顶点  "A"-"B" "A"->0 "B"->1
    * @param v2 第二个顶点对应的下标
    * @param weight 表示 
    */
   public void insertEdge(int v1, int v2, int weight) {
      edges[v1][v2] = weight;
      edges[v2][v1] = weight;
      numOfEdges++;
   }
}

结果：

3.4、图的深度优先与广度优先应用实例

代码实现（将3.3中的代码进行修改即可）

int n = 8;  //结点的个数
//String Vertexs[] = {"A", "B", "C", "D", "E"};
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
		

//更新边的关系
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);

结果：

注意事项

1、深度优先搜索与广度优先搜素的结果不是唯一的，搜索的顺序跟存储结构和算法本身相关（如开始节点不同，搜索结果就不同）

2、使用邻接矩阵方式存储，深度优先搜索的时间复杂度为O(n²）,n为顶点数，广度优先搜索的时间复杂度为O(n²）

3、使用邻接表方式存储，深度优先搜索的时间复杂度为O(n+e),e是无向图中的边数或有向图中的弧数，n为顶点数，广度优先搜索的时间复杂度为O(n+e)

4、深度优先搜索用标记数组标记已被访问，广度优先搜索需要一个队列来保持访问过得顶点的顺序，以便按顺序访问这些顶点的邻接顶点

好啦，到这里关于图的基础内容就结束了，关于图的应用像最小生成树，拓扑排序，关键路径，最短路径等问题会在常用算法总结中详细说明，
希望这篇文章对大家有所帮助(｡･ω･｡)ﾉ♥

鹤鸣呦呦、、
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
2021年大厂Java岗面试必问，数据结构之图（内含Java代码实现）
m0_60607609的博客
09-04 346
深度优先搜索类似i走迷宫，一条路走到黑，如果发现这条路走不通，就在前一个路口继续向前走。就像下面这样（图片节选自《算法第四版》） 那么算法中，我们需要解决什么问题呢？我们可以通过adj函数得到结点的相邻结点，但是如果我们如何保证结点已经被我们访问过了，我们就需要一个标志mark，这个标志代表着这个结点是否已经被访问过。（HashSet这种数据结构也可以做到这种事情）。步骤如下: 将被访问的结点标记为已访问 递归地访问它的所有没有被标记过的邻居结点 /** * 无向图的深度优先搜索 *
基础算法与数据结构 -- Java 实现.zip
01-14
算法与数据结构它们分别涵盖了以下主要内容： 数据结构（Data Structures）： 逻辑结构：描述数据元素之间的逻辑关系，如线性结构（如数组、链表）、树形结构（如二叉树、堆、B树）、图结构（有向图、无向图等）...
JAVA图算法(4种)-你都清楚吗？
qq_35216414的博客
07-21 391
在深度优先搜索中，从起始节点开始，沿着一个路径一直访问未访问过的节点，直到到达不能再继续前进的节点为止，然后回溯到前一个节点，继续探索其他未访问的分支。在广度优先搜索中，从起始节点开始，首先访问它的所有直接邻居节点，然后再依次访问这些邻居节点的邻居节点，依次进行层级遍历，直到遍历完所有节点。最小生成树（Minimum Spanning Tree，MST）是图论中一个重要的概念，它是一个连通图的子图，包含原图中的所有顶点，但是只包含足以构成一棵树的边，且这些边的权重之和最小。该算法适用于没有负权边的图。
图的存储---邻接矩阵
weixin_55858644的博客
01-11 1164
邻接矩阵
C++(数据结构与算法):55---无权图与有权图的描述（邻接矩阵、邻接链表、邻接数组、十字链表、邻接多重表）
董哥的黑板报
02-23 3823
图的基本概念参阅：https://blog.csdn.net/qq_41453285/article/details/104151973 无向图最常用的描述方法都是基于邻接的方式：邻接矩阵、邻接链表、邻接数组 一、邻接矩阵 邻接矩阵的定义 一个n顶点图G=(V,E)的邻接矩阵是一个n*n的矩阵（假设是A），其中每个元素都是0或1.假设V={1,2,3,...,n} 如果G是一个无向图，则...
无向图加权邻接矩阵怎么存储_7.2 图的存储结构（1）
weixin_33872754的博客
12-30 357
返回目录：Chilan Yu：《数据结构》目录链接​zhuanlan.zhihu.com7.2.1 邻接矩阵表示法图的邻接矩阵表示法也称作数组表示法。 它采用两个数组来表示图：一个是用于存储顶点信息的一维数组，另一个是用于存储图中顶点之间关联关系的二维数组，这个关联关系数组被称为邻接矩阵。有向图的邻接矩阵： 无向图的邻接矩阵： 有向网的邻接矩阵： 邻接矩阵建图/网法：（有向/无向均可）#incl...
【尚硅谷】Java数据结构与算法笔记13 - 图
知不足而奋进，望远山而前行
03-29 4215
前面我们学了线性表和树线性表局限于一个直接前驱和一个直接后继的关系树也只能有一个直接前驱也就是父节点当我们需要表示多对多的关系时，这里我们就用到了图。
Java数据结构与算法-笔记-代码-课件-资料
05-17
内容包括: 稀疏数组、单向队列、环形队列、单向链表、双向链表、环形链表、约瑟夫问题、栈、前缀、中缀、后缀表达式、中缀表达式转换为后缀表达式、递归与回溯、迷宫问题、八皇后问题、算法的时间复杂度、冒泡排序、...
数据结构与算法分析--java语言描述.pdf
09-14
数据结构与算法分析--java语言描述.pdf
数据结构与算法-学习笔记 Java 版.zip
01-15
逻辑结构：描述数据元素之间的逻辑关系，如线性结构（如数组、链表）、树形结构（如二叉树、堆、B树...学习算法与数据结构不仅有助于理解程序的内部工作原理，更能帮助开发人员编写出高效、稳定和易于维护的软件系统。
数据结构和算法-Java版.zip
01-14
算法与数据结构它们分别涵盖了以下主要内容： 数据结构（Data Structures）： 逻辑结构：描述数据元素之间的逻辑关系，如线性结构（如数组、链表）、树形结构（如二叉树、堆、B树）、图结构（有向图、无向图等）...
无向图（无权值）的邻接矩阵与邻接表储存方式及其DFS，BFS遍历
Specif1c的博客
11-26 7170
求下图中无向图的邻接矩阵与邻接表储存方式及其DFS，BFS遍历 一、 无向图（无权值）的邻接矩阵存储方式及其DFS，BFS遍历 邻接矩阵的储存表示： 广度优先遍历需要用到队列操作，因此还需要定义一下队列的存储结构 具体代码： #include <stdio.h> #define MaxVex 100 //最大顶点数 #define TRUE 1 #define FALSE 0 typedef char VertexType;
数据结构（五）图---图的存储结构5种
weixin_30343157的博客
08-15 1167
一：图的抽象数据类型 ADT 图(Graph) Data 顶点的有穷非空集合和边的集合 Operation CreateGraph(*G,V,VR)：按照顶点集V和边弧集VR的定义构造图G DestroyGraph(*G)：图G存在则销毁 LocateVex(G,u)：若图G中存在顶点u,则返回图中位置 GetVex(G,v)：返...
无向无权图的邻接矩阵实现（C++）
hnjzsyjyj的专栏
04-29 1307
【算法代码】 #include <bits/stdc++.h> using namespace std; const int maxn=50; struct edge { int to,cost; }; vector<edge> G[maxn]; int V,E; int s; int main() { cin>>V>>E; for(int i=0; i<E; i++) { edge e; cin>>s>&gt
jar包增量更新分析
junlaiyan的专栏
05-16 270
借助jdeps分析出jar包的增量文件
Spring-Cloud 微服务
weixin_65127444的博客
05-15 902
先来思考一个问题*通过上一章的操作，我们已经可以实现微服务之间的调用。但是我们把服务提供者的网络地址（ip，端口）等硬编码到了代码中，这种做法存在许多问题：1.一旦服务提供者地址变化，就需要手工修改代码2. 一旦是多个服务提供者，无法实现负载均衡功能3.一旦服务变得越来越多，人工维护调用关系困难那么应该怎么解决呢，这时候就需要通过注册中心动态的实现。
java实现拼图小游戏
monkey108的博客
05-16 632
本文主要提供用java实现的拼图小游戏源代码。
SpringBoot Validation自定义注解之校验指定最小整数
最新发布
thinkers
05-21 30
1，引入核心关键依赖。
命令执行漏洞（二）
XLbb的博客
05-15 910
POST方法，S2-045-bypass-2漏洞存在！,程序更改为S2-045-bypass-2漏洞测试模式, 响应码: 200。POST方法，S2-046-bypass漏洞存在！POST方法，S2-045-bypass漏洞存在！POST方法，S2-046-1漏洞存在！POST方法，S2-046-2漏洞存在！POST方法，S2-046-3漏洞存在！POST方法，S2-045-1漏洞存在！POST方法，S2-045-3漏洞存在！POST方法，S2-045-2漏洞存在！POST方法，S2-045-4漏洞存在！
数据结构与算法 - 图
09-03
数据结构与算法中的图是一种重要的数据结构，它由顶点和边组成，表示了各个元素之间的关系。图的实现可以依赖于不同的数据结构，有时与《算法导论》中描述的图的数据结构有所差别。算法的实现也会因为不同的图的实现...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

鹤鸣呦呦、、

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值