weixin_45651194的博客

ID 是数据的的标识，在查询数据库的数据时必须通过 ID 查询，在分布式环境下生成全局唯一的 ID 是一个重要问题。雪花算法（snowflake）是一种生成分布式环境下全局唯一 ID 的算法，该算法由 Twitter 发明，用于推文 ID 的生成。国内百度的 UidGenerator，美团的 Leaf 对雪花算法进行了优化，也都在 GitHub 上开源了。

动态规划专题，由道及术

背景—页面置换操作系统中对物理内存的管理采取分页、多级页表的方式。当CPU访问的页面不在物理内存时，便会产生一个缺页中断，请求操作系统将所缺页从磁盘调度到物理内存中。此时若物理内存已满，则需要从物理内存中选出一个页面，调度到磁盘中，然后将需要用到的页面放到物理内存中，实现页面置换。

KMP算法是数据结构串部分最重要的算法。它由Knuth、Morris和Pratt共同提出，取首字母称为KMP算法。它相较于Brute-Force（暴力）算法有了很大的进步，主要是充分利用已经比较过的部分匹配信息。针对的问题—串的模式匹配设有两个串 t 和 p ，想在 t 中找到一个与 p 相等的子串。通常 t 称为目标串（target string），把 t 称为模式串（pattern string），因此这种查找也叫模式匹配。模式匹配成功则返回找到的 t 中子串首字符的索引值，不成功则 t .

快速排序的基本思想快速排序是对冒泡排序的升级，通过选取一个基准值，经一趟排序确定两个区间，一个区间全部比基准值小，另一个区间全部比基准值大。接着再选取一个基准值来进行排序，直到排序完成。关于基准值的选取是我们要讨论的第一个问题。选取基准值的三种方式一、固定基准值一般是选取数组的第一个或最后一个元素为基准值。以选择第一个元素为基准值为例public class QuickSort { public static void quicksort(int[] arr, int low, i

优先队列可以用于以O(NlogN)时间复杂度的排序，基于该思想的算法叫做堆排序（heapsort）。二叉堆概念忘记的请看：优先队列的实现与应用思路与优化基本思路：建立N个元素的二叉堆，这个阶段花费O(N)时间，然后执行N次deleteMin操作，最小的元素先出堆（将其记录到第二个数组，因此需要O(N)的空间复杂度），最后得到N个元素的排序。每次deleteMin花费O(logN)时间，因此总时间复杂度为O(NlogN)。优化思路：基本思路的主要问题是空间复杂度，它使用了一个额外数组，存储需求

前不久深信服面试问到了优先队列，好久之前看的都快忘了，重新学习记录一下~！二叉堆原理二叉堆（binary heap），以下简称堆（heap），使用它实现优先队列是一种不错且普遍的方式。以下讨论的对象是小顶堆，即根结点数值最小（优先级越小越高）。与之对应的有大顶堆，即根结点数值最大（优先级越大越高）。堆有两个性质：结构性质：堆是一棵完全二叉树。堆序性质：堆的根结点优先级最高，（除根节点外）任意节点X的父节点的值小于（等于）X的值，即父节点的优先级高于子节点。完全二叉树：假设一棵二叉树高为.

前不久深信服一面问到了如何实现二叉树的层次遍历，在这里做个记录。什么是层次遍历说人话，就是按一层一层，从左到右的顺序遍历输出。以下图为例，层序遍历后输出的结果就是A-B-C-D-E-F-G-H-I-J实现层序遍历的思路先将根结点入队，在队列不空时循环。从队列中出列一个结点current，并访问它。若它有左孩子，将左孩子入队；若有右孩子，将右孩子入队。循环往复直至队列为空。Java实现import java.util.LinkedList;import java.util.Que.

前言：HashMap是面试中的常客，值得我们重点学习。其中对于源码的解读就是一个重要的学习环节，要做到“源码在我心中”。HashMap中的核心属性1、默认初始容量（DEFAULT_INITIAL_CAPACITY） /** * The default initial capacity - MUST be a power of two. */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka .

初始BST二叉搜索树（Binary Search Tree，BST）又称二叉排序树，其定义为要么是空树，要么是满足二叉搜索树性质的二叉树。二叉搜索树性质（BST性质）如下：若根结点的左子树非空，则左子树的所有结点关键字均小于根结点关键字。若根结点的右子树非空，则右子树的所有结点关键字均大于根结点关键字。根结点的左右子树本身又各是一棵二叉搜索树。注：在实际应用中，可能出现关键字相同的情况，可以修改（1）中为小于等于，或（2）中为大于等于，甚至修改为左大右小。二叉排序树得名于它的一个重要性

有了BST和AVL树，为什么还需要B+树？我们在讨论BST、AVL树等等这些时基于这样一个假设 即可以把整个数据结构存储到计算机的主存中。 但是，当数据多到主存装不下时，那么就必须把数据结构放到磁盘上了，此时大O模型不再使用。大O分析基于的假设是所有操作耗时都是相等的。那又如何呢？还是不知道B+树有何用武之地。且慢，听我细细分解。举一个例子，一台500-MIPS机器每秒执行五亿条指令，因为它是电驱动的；而磁盘操作基于机械运动，一个7200RPM，即一分钟7200转，的磁盘，相当于1转1/120秒

什么是AVL树AVL树，是最先发明的自平衡二叉树，得名于发明者Adelson-Velsky和Landis。他们在1962年的论文《An algorithm for the organization of information》中发表了它。AVL树应满足以下条件：1.首先它是一棵二叉搜索树（BST），即对于任意节点，左节点的值小于根结点的值，右节点的值大于根结点的值。2.它要么是一棵空树，要么对任意一个节点，其左右子树高度差的绝对值不超过1。3.对出现不平衡的节点根据不同情况进行旋转。左旋、右旋

定义哈夫曼树（Huffman Tree）又称最优二叉树，是一类带权路径最短（即WPL最小）的树。哈夫曼编码就是利用哈夫曼树进行的一种可变字长的编码方式。注：带权路径长度（WPL）是设二叉树有n个叶结点，每个叶结点带有权值w，从根结点root到各个叶结点的路径长度为l，则所有叶结点带权路径长度之和为Σwl=WPL。引入哈哈哈相信大家看完定义肯定还是一头雾水，下面我以Huffman Tree最常应用的压缩领域的一个例子来由浅入深讲解哈夫曼树。CASE：有一段文本58个字符，由七种字符构成：a，e，i

前言作为日后必将成为大佬的 新手我来说，数据结构是一片崭新的领域，对它既有兴奋好奇，亦有担心疑虑。站在前人的肩膀上，他们告诉我，数据结构的意义=>link link昨天一位学长（前端方向）面了字节，在面经中提到一点是面试官最后对学长的评价：“觉得你可能太偏重于业务实现，或者把项目做出来就行了。或者你这个项目的深度根本就不够…需要去买书来系统性地学习下。比如说缓存，比如说跨域…是你必须...