leetcode 81: 搜索旋转排序数组 II

博客提及与LeetCode 33题相同的情况,需判断点的位置并进行二分查找。当遇到中点和最左、最右点相同时,无法判断点的位置,此时需舍弃这两个点。

和leetcode 33 题一样 分 判断 该点落在哪里,然后在哪里二分的找

有趣的一步是: 如果  中点和 最左和最右相同 则无法判断 该点落于何处,则 舍弃该两点~~~

 

class Solution {
public:
    bool search(vector<int>& nums, int target) {
    	int size = nums.size();
    	if(size == 0)
    		return false;
    	int l = 0;
    	int r = size-1;
  		while(l <= r){
  			int mid = l +((r-l)>>1);
  			if(nums[mid] == target){
  				return true;
  			}
  			// 神奇之处就在这一步。 太6了
  			if(nums[l] == nums[mid] && nums[r] == nums[mid]){
  				l++;
  				r--;
  			// 右侧有序
  			}else if(nums[mid] <= nums[r]){
  				if(target > nums[mid] && target <= nums[r]){
  					l = mid + 1;
  				}else{
  					r = mid -1;
  				}
  			//左侧有序
  			}else if(nums[mid] >=nums[l]){
  				if(target >= nums[l] && target < nums[mid]){
  					r = mid - 1;
  				}else{
  					l = mid + 1;
  				}
  			}
  		}
  		return false;
    }
};

 

内容概要:本文介绍了如何利用RocketMQ消息队列构建“边缘AI推理”赛题的弹性数据管道,涵盖消息轨迹、延迟消息、Pop消费模式等核心概念,并结合实际计算机竞赛场景,展示了在高丢包网络环境下实现可靠消息传输与处理的技术方案。通过自定义延迟级别、消息压缩切片、灰度消费等技巧,支持大规模AI图像上传、云端聚合、结果回传及全程审计。代码案例涉及边缘侧C++发送、Java消费者合并分片、Pop模式保障离线续传以及消息轨迹生成比赛报告,全面支撑高并发、低延迟、高可靠的竞赛需求。未来将融合MQTT接入、AI原生调度与绿色计算技术,进一步优化系统性能与能效。; 适合人群:具备一定分布式系统和消息中间件基础,参与或指导计算机类学科竞赛(如边缘计算、AI识别赛道)的研发人员、高校师生及技术教练;熟悉Java、Python、C++编程及相关SDK使用的开发者。; 使用场景及目标:①在高丢包、弱网环境下构建稳定的边缘AI数据通道;②实现AI任务的延迟调度、流量灰度、分片传输与结果追踪;③为竞赛提供可审计、可监控、可扩展的消息基础设施,确保公平性与实时性;④探索RocketMQ在智能制造、智慧城市等真实工业场景中的教学与应用落地。; 阅读建议:建议结合Kubernetes集群环境和实际竞赛平台进行代码实践,重点关注Pop模式、消息切片聚合、轨迹追踪等关键技术的实现细节,并关注RocketMQ 5.x新特性在AI与物联网场景下的演进方向。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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