数据结构-用数组实现队列

数据结构-队列操作-用数组实现队列基本操作 数据结构中的队列基本操作,我这里是也是为了学习记录我自己的书写的代码过程.其中包含取队列的新建,新增元素,删除元素,取指定索引值,向元素尾部追加元素 等等! 1、 场景 1.1、 中文描述 数据结构中的... 阅读详情

发布一个k8s部署视频:https://edu.youkuaiyun.com/course/detail/26967

课程内容:各种k8s部署方式。包括minikube部署,kubeadm部署,kubeasz部署,rancher部署,k3s部署。包括开发测试环境部署k8s,和生产环境部署k8s。

腾讯课堂连接地址https://ke.qq.com/course/478827?taid=4373109931462251&tuin=ba64518

第二个视频发布  https://edu.youkuaiyun.com/course/detail/27109

腾讯课堂连接地址https://ke.qq.com/course/484107?tuin=ba64518

介绍主要的k8s资源的使用配置和命令。包括configmap,pod,service,replicaset,namespace,deployment,daemonset,ingress,pv,pvc,sc,role,rolebinding,clusterrole,clusterrolebinding,secret,serviceaccount,statefulset,job,cronjob,podDisruptionbudget,podSecurityPolicy,networkPolicy,resourceQuota,limitrange,endpoint,event,conponentstatus,node,apiservice,controllerRevision等。

第三个视频发布:https://edu.youkuaiyun.com/course/detail/27574

详细介绍helm命令,学习helm chart语法,编写helm chart。深入分析各项目源码,学习编写helm插件
————————————————------------------------------------------------------------------------------------------------------------------

 

package com.data.struct;

public class ArrayQueue {
	private int []data;
	private int head;
	private int tail;
	private boolean full;
	public ArrayQueue(int size){
		data=new int[size];
		head=0;
		tail=0;
	}
	public void enqueue(int d)throws Exception{
		if(head-tail==0&&full||(head==0&&(tail==0)&&full)){
			throw new Exception("full");
		}
		data[tail]=d;
		tail=tail+1;
		if(tail==data.length){
			tail=0;
		}
		if(head==tail){
			full=true;
		}
		
	}
	
	public int dequeue()throws Exception{
		if(head==tail&&!full||(head==data.length&&tail==0)){
			throw new Exception("empty");
		}
		full=false;
		head=head+1;
		if(head==data.length){
			head=0;
			return data[data.length-1];
		}else{
			return data[head-1];
		}
		
	}
	public static void main(String[] args)throws Exception {
		ArrayQueue queue=new ArrayQueue(10);
		for(int i=0;i<10;i++){
			queue.enqueue(i);
		}
		for(int i=0;i<10;i++){
			System.out.print(queue.dequeue()+" ");
		}
		System.out.println();
		for(int i=0;i<5;i++){
			queue.enqueue(i);
		}
		for(int i=0;i<3;i++){
			System.out.print(queue.dequeue()+" ");
		}
		System.out.println();
		for(int i=0;i<8;i++){
			queue.enqueue(i);
		}
		for(int i=0;i<10;i++){
			System.out.print(queue.dequeue()+" ");
		}
		System.out.println();

	}

}

 

大白映射 宝马Esys编程设码映射、USB设备映射 大白映射,宝马Esys设码编程、USB设备映射 阅读详情

相关推荐

linux离线安装nginx

linux离线安装nginx

zhang_130914036的博客 9353

数组实现队列(详细)

我们都知道,队列是一种先进先出的数据结构,每当有人问你队列是什么,你的回答就是 "一种先进先出的数据结构",当然这样的回答也是完全没有错的,它就是一种先进先出的数据结构,为什么我们不能描述的多一点呢?更详细一点?下面我们就来详细的描述一下队列。 队列是我们学习数据结构的一种重要的结构,它能帮我们帮我们解决生活中的一些问题,例如到银行办理业务,当人多的时候就需要取号排队,这就是队列的一种应用。队列的实现可以有两种方式来实现,一是用数组,二是链表,在这里我们就来说一下数组实现的方式...

xhl1123456789的博客 5338

LLaMA-Factory全面指南:从训练到部署

LLaMA-Factory项目是一个专注于大模型训练、微调、推理和部署的开源平台。其主要目标是提供一个全面且高效的解决方案,帮助研究人员和开发者快速实现大模型的定制化需求。简化大模型训练流程:通过提供一系列预设的训练脚本和参数配置,降低用户在训练大模型时的技术门槛,使得即使是初学者也能轻松上手。增强模型微调能力:支持多种微调方法,如LoRA、QLoRA等,使用户能够根据特定任务需求对模型进行精细调整,从而提升模型性能。优化推理和部署体验。

全世界的博客 1万+

【数据结构】数组实现队列(详细版)

队列是一种基本的数据结构,它是一种先进先出(First In First Out,FIFO)的线性结构。队列只允许在表的一端进行插入,而在另一端进行删除操作。这就相当于把数据排成一排,先插入的排在前面,后插入的排在后面,之后进行删除操作时也只能从前面依次删除。这种数据结构一般用于需要按照先后顺序进行处理的问题,如模拟系统、计算机网络中的缓存、操作系统中的进程调度等。队列的基本操作包括入队(插入元素到队尾)和出队(从队头删除元素)

2301_76606232的博客 5191

不用公网IP!用Ollama+Chatbox搭建家庭AI助手(内网穿透方案对比)

本文详细介绍了如何利用Ollama和Chatbox在家庭局域网中搭建本地AI助手,无需公网IP即可实现内网穿透。通过对比不同穿透方案(如Tailscale、FRP等),提供最优配置建议,帮助用户低成本部署隐私安全的家庭AI系统,适用于智能家居、儿童教育等多种场景。

weixin_26765287的博客 466

西门子PLC1200 1214C DC/DC/DC 驱动步进电机

控制电机旋转的指令在“指令”中的“工艺”下的“Motion Control”(若出现程序块无法调用情况,则看备注3的第4条),本篇只介绍常用指令(若想学习详细与更多指令,请参考指令手册)。

2301_79553921的博客 1万+

数组实现队列

队列简介         队列宛如一条不允许逆行的单行隧道,车辆(数据)只允许从隧道(队列)的入口(队尾)进入,从隧道(队列)的出口(队头)出来。         那么可以看出:队列是有个有序列表,并且队列中的数据只能先入先出。队列这种线性数据结构,可以使用数组实现,也可以使用链表来实现。 队列的基本操作 1.入队 入队就是把新元素添加到队尾的操

Rong_zhe的博客 3333

vnpy_ctp源码下载后转变为python可用的处理过程

vnpy_ctp源码下载后在window中编译使用

m0_37967652的博客 3329

【数据结构】用数组实现队列(分析与实现)

一、队列的基础介绍 1、队列可用数组(顺序存储结构)或链表(链式存储结构)来实现; 2、遵循先入先出原则; 3、示意图: 二、用数组实现队列 1、队列本身是有序列表,若使用数组的结构来存储队列的数据,则队列数组的声明如上图,其中maxSize是队列的最大容量; 2、队列的输入、输出分别从前后端处理,因此需要front和rear两个变量分别记录队列前后端的下标,其会随着数据输入而改变。 3、将数据...

m0_45097186的博客 1672

YOLOv11改进 | 集成FEM、FFM与SCAM即插即用模块:特征增强、融合与空间上下文建模新范式

FEM解决特征表达不足问题,增强关键特征响应FFM优化多尺度融合,提升小目标检测精度SCAM建模空间上下文,改善目标交互预测在保持YOLOv11实时性优势的同时,实现mAP+8.1%的显著提升,特别在复杂光照、密集目标、交互预测场景表现突出。其模块化设计使开发者可根据需求灵活组合,为各种复杂场景提供定制化解决方案。未来,随着跨模态扩展与神经架构搜索的深入,YOLOv11-FSC将进一步推动目标检测技术向更智能、更高效的方向发展。

走向CTO的路上... 989

Bert+CNN文本分类(含代码实现)

一、什么是CNN? CNN的特点: (1)特定特征位移不变性 (2)特征缩放不变性 2. CNN模型构造过程 2.1 Convolution(卷积) (1)获取关键特征(减少参数) (2)共享权重(再次减少参数) 2.2 Max Pooling(池化) 2.3 Flatten 向量转换为如图所示可以进入全连接层的向量模式 3. TextCNN 上图可理解为: 通过不同的size(如上图2、3、4等),上图红色代表 size=2,黄色...

Python,数据分析,机器学习,深度学习 1万+

数据结构——数组模拟实现队列

1.队列介绍 队列是一个有序列表,可以用数组或是链表来实现,它遵循先进先出原则 2.队列的实现 2.1.数组模拟实现队列 2.1.1.思路 队列本身是有序列表,若使用数组的结构来存储队列的数据: 设置maxSize为该队列最大容量 因为队列的输入输出分别从前后端来处理,因此需要head和tail分别记录队列前后端的下标,head会随着数据的输出而改变,而tail随着数据的输入而改变 当tail=...

LiLiLiLaLa的博客 369

流体动力学仿真软件:Star-CCM+_(1).Star-CCM+基础及入门

Star-CCM+的用户界面(UI)分为多个部分,包括菜单栏、工具栏、工作区、视图窗口和控制台。菜单栏包含文件、编辑、视图、工具等常用菜单。例如,“File”菜单可以用于打开、保存和退出项目。工具栏提供常用的工具按钮,如新建项目、打开项目、保存项目等。也可以自定义工具栏,添加常用的功能按钮。工作区显示当前项目的结构和各个对象。可以通过拖拽方式组织和管理项目中的各个部分。视图窗口显示几何模型、网格、结果等。可以通过不同的视图模式查看和分析数据。控制台显示软件的运行日志和输出信息。

kkchenjj的博客 1205

数据结构之队列(数组实现)

(一)队列介绍 队列是一个有序列表,可以用数组或者是链表实现,队列遵循先进先出的原则,即先存入队列的数据,先取出,后存入队列的数据,后取出. (二)数组模拟队列的思路 结合上图,因为队列的输出和输入是分别从前后端来处理,因此需要两个变量front和rear分别记录队列前后端的下标,front会随着数据输出二改变,而rear是随着数据的输入而改变. 分析: (1)将尾指针往后移,rear+1,当f...

qq_44962429的博客 274

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

JAVA数据结构之使用数组实现队列

队列是一个有序列表,它可以用数组或者是链表来实现 遵循先进先出的原则。先存入的数据要先取出,后存入的要后取出 数组模拟队列 队列本身是有序队列,所以使用数组来实现 队列的输入和输出是有前后端来处理,因此需要两个变量front及rear分别记录队列前后端的下标,front会根据队列的输出而改变,rear会根据队列的输入而改变。 往队列中插入数据 将尾指针rear后移,但是前提是rear小于队列的最大...

GSY码的博客 423

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

环形队列的数组实现 - 数据结构笔记

数据结构笔记-环形队列的数组实现 之前写过的数组对队列的简单实现会出现一些问题,即数组容器内已出队列的元素位置不能再次利用,使用数组实现环形队列可以解决这一问题: ; 思路: front 变量直接指向队列的第一个元素,初始值为0; rear 变量指向队列的最后一个元素的最后一个元素,初始值为0; 当队列满时, 满足 rear % (maxSize - 1) == front 当队列空时,满足 rear == front 队列中有效的数据个数为(rear + maxSize - front)% maxSi

No1anWan6的博客 196

数据结构之C语言循环队列的数组实现

一、队列模型 队列是一种特殊的线性表,它只允许在表的前端(front)进行删除操作,而在表的后端(rear)进行插入操作。也可称为先进先出(FIFO)表 队列的动画:http://liveexample.pearsoncmg.com/liang/animation/web/Queue.html 队列的应用 – Printer Queue – Web Crawler – System Buffer – Any sequence maintained in a FIFO order 二、队列的数组实现 1

weixin_46599926的博客 507

【数据结构与算法】使用数组及链表 实现队列

Java编码: 使用数组及链表实现队列的数据结构 队列作为一种简单的数据结构,实现方式多种多样,即使只使用数组,不同的人的实现方式也不尽相同,关键在于对其结构的理解。 在这里我使用数组及链表两种方式来实现队列。 队列的具体操作首先抽象在一个接口ListInterface中,接口中注明了各方法的参数及作用。使用数组和链表的具体实现都要首先继承ListInterface接口。 ListInterfac...

Veni的博客 361

数组、队列、栈数据结构的实现

数组、队列、栈数据结构的实现 数组: package com.company.lesson; import java.util.Arrays; import java.util.Collection; import java.util.OptionalInt; import java.util.stream.Collectors; public class MyArray<T> { private T[] data; // 数据容器 private int size; //

weixin_46088585的博客 144

【数据结构】队列的实现---数组、链表

队列:       一种先进先出的数据结构 基本操作: 入队: 加入元素至队尾 出队:从队头取出元素 判空:队列是否为空 判满:队列是否为满 实现:(以数组实现) public class ArrayQueue { private int data[]; private int head; //队头 private int tail; ...

谬也的博客 201

数据结构-动态数组实现队列

文章目录队列Queue实现一个队列循环队列 队列Queue 队列(queue)是只允许在一端进行插入操作,而在另一端进行删除操作的线性表。 队列是一种先进先出(First in First Out)的线性表,简称FIFO。允许插入的一端称为队尾,允许删除的一端称为队头。 实现一个队列 创建队列接口,主要方法如下。 public interface Queue<E> { int getSize(); boolean isEmpty(); void enqueue(E e)

NULL_YM 477

数据结构-队列的数组实现

队列介绍: 1)队列是一个有序列表,可以用数组或者链表来实现。 2)遵循先入先出的原则。即先存入队列的数据,要先取出。后存入的后取出。 3)示意图(使用数组模拟队列) 数组模拟队列的实现方式一: 1.队列本身是有序列表,若使用数组的结构来存储队列的数据,则队列数组的申明如下图,其中maxSize是该队列的最大容量。 2.因为队列的输入输出是分别从队列的前后端来处理,因此需要两个变量分别记录前后端...

qq_39565307的博客 437

Java数据结构之数组实现队列

Java数据结构队列的实现(数组实现)

Yajyaj123的博客 556

Python数据结构之队列——使用数组实现队列

Python数据结构之队列——使用数组实现队列 队列:一种受限制的线性表,ADT类型,仅支持队头删除数据和队尾添加数据。 具有先进先出,后进后出的特性。 适合领域:计算机模拟、CPU特性、外围设备的联机并发性质、树的广度优先搜索 (BFS)。 优点:只需要对 front(队首) 和 rear(队尾) 指针来进行操作数据。 缺点:数组队列容易产生假溢出现象。 假溢出: rear 指针添加数据时会超过数据大小范围,导致 rear 指向其他区域。 代码部分(5组) 创建队列 front = -1 rear

m0_51894865的博客 1454

python队列数组_python数据结构-数组/列表/栈/队列及实现

首先我们要分清楚一些概念和他们之间的关系数组(array) 表(list) 链表(linked list) 数组链表(array list) 队列(queue) 栈(stack) list列表array数组python中内置list数据结构 存放的数据类型可以不同。但是有个缺点 list存放的是数据的索引也就是指针 这需要数据的原有存储加上数据的指针 增加了消耗python中numpy...

weixin_36074800的博客 611
上一篇: 数据结构-用数组实现栈
下一篇: 数据结构-列表实现
hxpjava1
博客等级 码龄19年 1365粉丝 511原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

hxpjava1

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