7.23小红书提前批

本文介绍了三个算法问题,包括构造满足特定条件的数组以最小化元素和,处理小红书精华帖子的最优化选择,以及在数组中寻找一次操作后连续子数组的最大和。解决方案涉及最大公约数的性质、二分查找和前缀和数组的应用,以及动态规划策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


一、小红的数组构造

题目描述:
小红希望构造一个数组满足以下条件:
1、数组中共有n个元素,且所有元素两两互不相等
2、所有元素的最大公约数等于k
3、所有元素之和尽可能小
请输出数组元素之和的最小值

输入描述:
两个正整数n和k
1≤n, k≤10^5

输出描述:
一个正整数,表示数组元素之和的最小值

示例:

输入:
2 2
输出:
6
输入:
3 1
输出:
6

分析:
关键点在于最大公约数, [k,2k,3k,4k…nk]相加即可

    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        long n = sc.nextLong();
        long k = sc.nextLong();
        // k+2k+3k+……+nk 等比数列求和  [((1+n)*n)/2]*k
        System.out.println(((1+n)*n / 2 ) * k);
    }

二、精华帖子

题目描述:
小红书的推荐帖子列表为[0,n],其中所有的帖子初始状态为“普通”,现在运营同学把其中的一些帖子区间标记为了“精华”

输入描述:
第一行输入两个正整数 n、m、k,代表初始帖子列表长度,精华区间的数量,以及运行同学准备截取的长度。
接下来的m行,每行输入两个正整数li和ri,代表第i个区间。
1≤k≤n≤1000000000
1≤m≤100000
0≤li<ri≤n
保证任意两个区间是不重叠的

输出描述:
一个正整数,代表最多的精华帖子数量

示例:

输入:
5 2 3
1 2
3 5
输出:
2

分析:
关键点在于每个区间是不重叠的
第一步:可以通过二分查找先找到第一个大于 (L0 + k)的右区间
第二步:判断第一步所找到的区间中,左区间是否也小于 (L0 + k)
第三步:准备一个前缀和数组,如果左区间小于等于 (L0 + k) 那么精华帖子个数为:pres[r] - pres[i];
否则如果左区间大于 (L0 + k)就说明在这个区间中还有几个精华帖,帖子个数为:pres[r] - pres[i] + ((L0+k) - R0);

    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();//帖子列表长度
        int m = sc.nextInt();//精华区间的数量
        int k = sc.nextInt();//准备截取的长度

        //用来存放m个精华帖子的区间
        int[][] range = new int[m][2];

        for(int i=0;i<m;i++){
            range[i][0] = sc.nextInt();
            range[i][1] = sc.nextInt();
        }
        Arrays.sort(range,(a,b)->a[0]-b[0]); //递增排序

        //前缀和
        int[] pres = new int[m+1];
        for(int i=1;i<=m;i++){
            pres[i] = pres[i-1]+(range[i-1][1]- range[i-1][0]);
        }
        int res = 0;
        for(int i=0;i<m;i++){
            int l = i,r=m;
            while(l<r){
                int mid = (l+r)>>1;
                if(range[mid][1] >= range[i][0]+k)
                    r = mid;
                else l = mid +1;
            }
            if (r < m && range[r][0] <= range[i][0] + k) {
                res = Math.max(res, pres[r] - pres[i] + (range[i][0] + k - range[r][0]));
            }
            else {
                res = Math.max(res, pres[r] - pres[i]);
            }
        }
        System.out.println(res);
    }

三、连续子数组最大和

题目描述:
小红拿到了一个数组,她希望进行最多一次操作L讲一个元素修改为x.小红想知道最终的连续子数组最大和最大为多少?

输入描述:
第一行输入一个正整数 t,代表询问次数
对于每次询问输入两行:
第一行输入两个正整数n和x。代表数组的大小,以及小红可以修改成的元素
第二行输入n个正整数a_i,代表小红拿到的数组

1≤t≤100000
1≤n≤200000
-10^9≤x ,a_i≤10^9

输出描述:
输出行,每行输出一个整数,代表连续子数组的最大和

示例:

输入:
3
5 10
5 -1 -5 -3 2
2 -3
-5 -2
6 10
4 -2 -11 -1 4 -1
输出:
15
-2
15

分析:
大佬题解: 题解
自己理解:以询问次数是1为例
数组长度为6 可替换元素为10 数组元素为4 -2 -11 -1 4 -1
先正向求出以i-1为结尾的最大和 dp1[] = {4, 2, -9, -1, 4, 3};
再逆向求出以0为结尾的最大和 dp2[] = {4, -2, -8, 3, 4, -1}
那么假设此时我们想把第二个(i=1)位置的元素-2替换为10
替换后的数组和怎么计算?dp1[i-1]+ dp2[i+1] + x = 15 以此类推
重点在于拿到正序和逆序的最大和数组后如果要进行替换,计算方法就是在>0的情况下 将其前半部分最大和和后半部分最大和相加再加上所替换的元素。

public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int t = sc.nextInt();
        while(t-->0){
            int n = sc.nextInt();
            int x = sc.nextInt();
            int[] a = new int[n];
            for(int i=0; i<n; i++){
                a[i] = sc.nextInt();
            }

            int[] dp1 = new int[n];
            dp1[0] = a[0];
            int res = Integer.MIN_VALUE;
            for(int i=1;i<n;i++){
                dp1[i] = Math.max(dp1[i-1]+a[i],a[i]);
                res = Math.max(res,dp1[i]);
            }
            int[] dp2 = new int[n];
            dp2[n-1] = a[n-1];
            for (int i = n - 2; i>= 0 ; i--) {
                dp2[i] = Math.max(dp2[i+1] + a[i], a[i]);
            }

            for (int i = 0 ; i < n ; i++) {
                // i==0
                res = Math.max(res, (i> 0 && dp1[i-1] > 0 ? dp1[i-1] : 0) + (i < n - 1 && dp2[i+1] > 0 ? dp2[i+1]: 0) + x);
            }
            System.out.println(res);
        }
    }
Redis Cluster 7.23 是一个假设的版本号,因为截至2024年,Redis 官方尚未发布 7.x 系列的版本。当前稳定版本为 Redis 7.0 系列,因此 7.23存在于官方发布记录中。以下信息基于 Redis Cluster 的现有版本(如 7.0 及其补丁版本)的功能、改进和已知问题进行推测和总结。 ### Redis Cluster 版本特性与改进(基于现有版本) 1. **哈希槽机制** Redis Cluster 采用哈希槽(hash slot)的方式分配数据,总共有 16384 个槽位。每个 key 通过 CRC16 算法计算出一个 16 位的哈希值,再对 16384 取模,确定其所属的槽位,从而决定该 key 应该存储在哪个节点上。这种方式相比哈希余更均匀,减少了节点增减时数据迁移的范围[^1]。 2. **集群创建命令** Redis 5 及以上版本支持使用 `redis-cli --cluster create` 命令创建集群,简化了集群部署流程。例如: ```bash redis-cli -a 1234 --cluster create 47.101.158.4:6379 47.101.158.4:6380 47.101.158.4:6381 47.101.158.4:6382 47.101.158.4:6383 47.101.158.4:6384 --cluster-replicas 1 ``` 该命令会自动分配槽位并建立主从复制关系,其中 `--cluster-replicas 1` 表示每个主节点有一个从节点[^2]。 3. **集群管理命令** Redis Cluster 提供了丰富的管理命令,用于维护和监控集群状态。例如: - `CLUSTER NODES`:查看集群中所有节点的信息。 - `CLUSTER INFO`:获取集群的整体状态信息。 - `CLUSTER KEYSLOT <key>`:计算某个 key 所属的槽位。 - `CLUSTER SLOTS`:查看所有槽位的分配情况。 - `CLUSTER ADDSLOTS` 和 `CLUSTER DELSLOTS`:手动分配或移除槽位。 - `CLUSTER FAILOVER`:手动触发故障转移[^4]。 4. **故障转移机制** Redis Cluster 支持自动故障转移。当主节点可用时,集群会从其从节点中选举一个新的主节点继续提供服务。选举过程依赖于 `cluster-node-timeout` 和 `cluster-slave-validity-factor` 两个参数,只有在从节点与主节点断开连接的时间未超过 `cluster-node-timeout * cluster-slave-validity-factor` 的情况下,该从节点才有资格晋升为主节点[^5]。 5. **性能与稳定性改进** 在 Redis 7.0 中引入了多项性能优化,包括: - 改进了集群心跳机制,减少网络开销。 - 增强了集群拓扑同步的效率,提升了节点加入和退出的速度。 - 优化了数据迁移过程,降低了迁移对性能的影响。 6. **安全性增强** Redis 7.0 引入了更强的身份验证机制和访问控制功能,支持 ACL(Access Control List),允许对用户进行精细化权限管理,增强了集群的安全性。 7. **已知问题与限制** - Redis Cluster 支持多 key 操作(如 `MGET`、`MSET`)跨节点执行,除非这些 key 位于同一个哈希槽中。 - 集群模式下无法使用 Redis 的某些高级功能,如 Lua 脚本跨槽执行。 - 在大规模集群中,节点间的心跳通信可能带来一定的网络压力。 ###
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