m0_57015193的博客

假设现在有 5 台 redis 实例，每台实例负责保存一部分数据。客户端通过如下算法定位具体实例： hash(key) % 5 随着业务发展，数据越来越多，5 台实例已经无法满足业务。现在要新增两台，新增两台后客户端算法如下： hash(key) % 7 这就导致老算法计算出的值和新算法不一致：之前 hash(a) % 5 == 1，key 为 a 的键值对保存在 1 号实例，而 hash(a) % 7 的值可能等于其它值。这就导致因为扩容（缩容）后所有旧 key 都失效。为了解决该问题，一致性 H

使用二分查找必须满足集合有序，只有集合有序时才能使用二分 思想：找出中点元素，此时左侧全是小于它的元素，右侧全是大于它的元素，根据需要选择左半边或右半边，直到找到对应元素 实现： // 递归实现 public boolean find(int[] num, int start, int end, int val) { if (start > end) { return false; } int mid = start + (end - start) / 2;

冒泡排序和快速排序都属于交换排序，其中快排更像是冒泡的进化版本，我们先看冒泡排序： 思想：每轮循环将本轮最大元素移动到数组末尾，以此类推，直到长度为一。假设数组长度为 n，第一轮循环将最大元素移动到下标为 n-1 的位置，第二轮需要判断前 n -1 个元素，并将最大元素移动到 n-2 的位置，以此类推。计算最大值通过比较交换完成。 private void sort(int[] a) { // 长度为 n 的数组需要 n-1 轮循环 for (int i = 1; i <= a.length

之前笔者在遇到一些需要用到堆的算法题，如 n 个数求最大的 k 个数时经常使用优先队列，Java 通过 PriorityQueue 实现优先队列，本篇我打算通过数组实现堆，并简单说明堆和优先队列的区别 堆本质是完全二叉树，通过二叉树也更容易理解，一般通过数组实现，通过数组实现时，具体规则如下图： 完全二叉树：数按照从上到下，从左到右的顺序赋值，之间不存在空节点 按不同功能，堆可以划分为以下两类： 最大堆：节点值大于其左右子树的值，左右子树也是最大堆 最小堆：节点值小于其左右子树的值，左右子树也是最小