Flink 的状态机制
在实时流处理领域,状态管理是构建复杂业务逻辑的核心能力。Apache Flink 通过统一的状态抽象和高效的容错机制,为开发者提供了从毫秒级窗口聚合到 TB 级历史数据关联的全场景支持。本文将深入剖析 Flink 状态机制的底层原理,结合实际案例展示其在生产环境中的最佳实践。
一、算子状态(Operator State):无 Key 的全局共享状态
算子状态是与并行子任务(Subtask)绑定的状态,适用于需要在整个算子范围内共享数据的场景。其核心特性包括:
1.1 状态类型与应用场景
-
列表状态(ListState):每个并行子任务维护一个独立的列表,支持增量追加。典型应用包括 Kafka 消费者的分区偏移量管理。
public class KafkaSource extends RichParallelSourceFunction<String>implements CheckpointedFunction {private transient ListState<Long> offsetsState;@Overridepublic void snapshotState(FunctionSnapshotContext context) throws Exception {offsetsState.update(currentOffsets);}@Overridepublic void initializeState(FunctionInitializationContext context) throws Exception {if (context.isRestored()) {offsetsState = context.getOperatorStateStore().getUnionListState(new ListStateDescriptor<>("offsets", Long.class));currentOffsets = offsetsState.get();}} }
-
联合列表状态(UnionListState):并行度调整时,所有子任务的状态合并后广播到新的子任务。适用于需要全局一致性配置的场景。
-
广播状态(BroadcastState):将状态同步到所有并行子任务,用于规则动态更新(如风控策略实时生效)。底层基于 MapState 实现,需配合 BroadcastStream 使用。
1.2 状态分配与恢复
- 并行度调整:列表状态采用轮询分配,联合列表状态采用广播分配。广播状态在并行度变化时直接复制状态实例。
- 故障恢复:需实现 CheckpointedFunction 接口,通过 snapshotState () 和 initializeState () 方法自定义状态持久化逻辑。
二、键控状态(Keyed State):按 Key 隔离的细粒度状态
键控状态是 Flink 最常用的状态类型,基于 KeyBy 算子将数据分区,每个 Key 对应独立的状态实例。其核心特性包括:
2.1 状态类型与使用模式
状态类型 | 数据结构 | 典型应用场景 |
---|---|---|
ValueState | 单值存储 | 用户会话状态跟踪 |
ListState | 列表存储 | 事件序列缓存 |
MapState | 键值对存储 | 设备属性动态更新 |
ReducingState | 增量聚合 | 实时销售额累计(同类型输入输出) |
AggregatingState | 自定义聚合 | 实时平均计算(不同类型输入输出) |
2.2 状态 TTL 与清理策略
StateTtlConfig ttlConfig = StateTtlConfig.newBuilder(Time.seconds(30)).setUpdateType(StateTtlConfig.UpdateType.OnCreateAndWrite).setStateVisibility(StateTtlConfig.StateVisibility.NeverReturnExpired).setCleanupStrategy(StateTtlConfig.CleanupStrategy.INCREMENTAL_CLEANUP).build();ValueStateDescriptor<String> descriptor = new ValueStateDescriptor<>("session-state", String.class);
descriptor.enableTimeToLive(ttlConfig);
-
TTL 配置:支持按处理时间或事件时间设置过期时间,更新策略包括写入时更新、读取时更新等。
-
清理策略:
- 全量扫描:快照时清理过期数据(FsStateBackend)。
- 增量清理:每读取 N 条记录触发一次清理(RocksDBStateBackend)。
2.3 状态重分布优化
当算子并行度变化时,键控状态会自动根据 Key 的哈希值重新分配。Flink 通过以下优化提升重分布效率:
- 增量恢复:仅读取当前 Key 对应的状态数据,避免全量扫描。
- 状态分区策略:与 KeyBy 的哈希分区策略保持一致,确保相同 Key 的状态始终分配到同一子任务。
三、检查点(Checkpointing):状态持久化的核心机制
检查点是 Flink 实现容错的基础,通过定期生成状态快照并持久化到外部存储,确保作业失败后能恢复到一致状态。
3.1 检查点类型与配置
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.enableCheckpointing(5000, CheckpointingMode.EXACTLY_ONCE);
env.getCheckpointConfig().setCheckpointStorage("hdfs://namenode:8020/flink/checkpoints").setMinPauseBetweenCheckpoints(1000).setTolerableCheckpointFailureNumber(3);
- 全量检查点:每次将所有状态写入存储,适合状态量较小的场景。
- 增量检查点:仅记录状态变化(需 RocksDBStateBackend),适合 TB 级大状态。
3.2 一致性协议
Flink 通过Chandy-Lamport 算法实现分布式快照,确保状态与数据流的一致性:
- JobManager 触发检查点,向所有 Source 发送 Barrier。
- Source 将当前偏移量存入状态,向下游广播 Barrier。
- 算子接收到所有输入 Barrier 后,将状态快照写入存储。
- Sink 确认已处理到 Barrier 位置,完成检查点。
3.3 检查点与 Savepoint 的区别
特性 | 检查点(Checkpoint) | 保存点(Savepoint) |
---|---|---|
触发方式 | 自动定时触发 | 手动触发 |
存储格式 | 优化格式(不可移植) | 标准格式(可跨版本) |
清理策略 | 自动清理(按保留策略) | 手动清理 |
适用场景 | 故障恢复 | 版本升级、A/B 测试 |
四、容错重启机制:保障作业连续性的关键
Flink 提供多种重启策略,结合检查点实现弹性恢复:
4.1 重启策略类型
-
固定延迟重启:失败后重试固定次数,每次间隔固定时间。
java
env.setRestartStrategy(RestartStrategies.fixedDelayRestart(3, // 最大重试次数Time.seconds(10) // 间隔时间 ));
-
故障率重启:在时间窗口内允许一定失败次数,超过阈值则终止作业。
java
env.setRestartStrategy(RestartStrategies.failureRateRestart(3, // 最大失败次数Time.minutes(5), // 时间窗口Time.seconds(30) // 间隔时间 ));
-
无重启策略:作业失败后立即终止,适用于批处理或不可恢复的场景。
4.2 状态恢复流程
- 作业失败后,Flink 从最近的检查点恢复状态。
- 重启 Source 并重置读取位置到检查点记录的偏移量。
- 下游算子根据状态快照恢复处理逻辑。
五、状态后端(State Backend):性能与可靠性的平衡点
状态后端决定了状态的存储方式和访问效率,Flink 提供三种核心实现:
5.1 状态后端对比
类型 | 存储介质 | 适用场景 | 特性 |
---|---|---|---|
MemoryStateBackend | 内存 | 小状态、低延迟场景 | 快速读写,依赖检查点持久化 |
FsStateBackend | 文件系统 | 中等状态、高可靠性需求 | 支持全量检查点,异步持久化 |
RocksDBStateBackend | 磁盘(RocksDB) | 大状态、增量检查点场景 | 支持增量检查点,内存 - 磁盘混合存储 |
5.2 配置与调优
// 代码中配置
env.setStateBackend(new RocksDBStateBackend("hdfs://namenode:8020/flink/checkpoints"));// flink-conf.yaml配置
state.backend: rocksdb
state.checkpoints.dir: hdfs://namenode:8020/flink/checkpoints
- 内存优化:RocksDB 通过 Block Cache 和 Write Buffer 管理内存,建议配置为可用内存的 40%-60%。
- 压缩策略:使用 Snappy 或 LZ4 压缩减少磁盘占用,牺牲部分 CPU 性能。
章节总结
Flink 的状态机制是实时计算的基石,其核心价值在于:
- 灵活性:算子状态与键控状态的组合满足多样化需求。
- 可靠性:检查点与重启策略保障故障恢复的一致性。
- 扩展性:RocksDBStateBackend 支持 TB 级状态存储。
- 智能化:自动状态清理和增量检查点降低运维成本。
在生产实践中,建议遵循以下原则:
- 小状态优先:优先使用内存状态后端,配合 Checkpoint 提升性能。
- 大状态优化:采用 RocksDBStateBackend,启用增量检查点和状态 TTL。
- 监控与调优:通过 Flink Web UI 监控状态大小、检查点耗时,结合 Prometheus 实现异常预警。
随着 Flink 2.0 引入状态存算分离架构,未来的状态管理将更高效、更灵活,进一步推动实时计算在金融、物联网等领域的深度应用。
相关文章:
Flink 的状态机制
在实时流处理领域,状态管理是构建复杂业务逻辑的核心能力。Apache Flink 通过统一的状态抽象和高效的容错机制,为开发者提供了从毫秒级窗口聚合到 TB 级历史数据关联的全场景支持。本文将深入剖析 Flink 状态机制的底层原理,结合实际案例展示…...
【PostgreSQL数据分析实战:从数据清洗到可视化全流程】1.1 数据库核心概念与PostgreSQL技术优势
👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路 文章大纲 深度解析PostgreSQL核心架构与技术优势:从数据库原理到实战场景1.1 数据库核心概念与PostgreSQL技术优势1.1.1 关系型数据库核心架构解析1.1.1.1 数据库系统的底…...
linux下,ollama会把模型文件保存在哪里?
文章目录 运行ollama,有两种形式,估计得分开讨论首先是使用自动启动的ollama:先跑个“小一点的大模型”但是现在模型文件存在哪儿呢?运行ollama,有两种形式,估计得分开讨论 我们用两种方式,来运行ollama。 首先是使用自动启动的ollama: ps -aux | grep ollama系统自…...
EMMC存储性能测试方法
记于 2022 年 9 月 15 日 EMMC存储性能测试方法 - Wesley’s Blog 参考Android-emmc性能测试 | 一叶知秋进行实践操作 dd 命令 页面缓存 为了测试 emmc 的真实读写性能,我们需要先把页面缓存给清理: echo 1 > /proc/sys/vm/drop_caches console:…...
19. LangChain安全与伦理:如何避免模型“幻觉“与数据泄露?
引言:当AI成为企业"数字员工"时的责任边界 2025年某金融机构因AI客服泄露用户信用卡信息被罚款2300万美元。本文将基于LangChain的安全架构与Deepseek-R1的合规实践,揭示如何构建既强大又安全的AI系统。 一、AI安全风险矩阵 1.1 2025年最新威…...
5月3日日记
上午睡到自然醒(其实六点多被我爸叫起来抢火车票,发现明天中午的软卧候补上了,挺好的)然后继续睡到快10点。 中午吃的什么来着,好像是西红柿炒鸡蛋和藜麦饭,有个鱼不是很想吃就没吃 中午打了两把吃鸡&…...
C++类_构造函数
在 C11 里,类的构造函数有多种类型,下面为你详细介绍各类构造函数并给出示例代码。 1. 默认构造函数 默认构造函数是没有参数的构造函数,要是没有为类定义任何构造函数,编译器会自动生成一个默认构造函数。 2. 带参数的构造函数…...
【React】Hooks useReducer 详解,让状态管理更可预测、更高效
1.背景 useReducer是React提供的一个高级Hook,没有它我们也可以正常开发,但是useReducer可以使我们的代码具有更好的可读性,可维护性。 useReducer 跟 useState 一样的都是帮我们管理组件的状态的,但是呢与useState不同的是 useReducer 是集…...
Runnable组件重试机制降低程序错误率
一、LangChain 重试机制深度解析 当构建生产级AI应用时,with_retry() 机制可有效提升系统容错性,典型应用场景包括: API调用频率限制时的自动恢复模型服务临时不可用的故障转移网络波动导致的瞬时异常处理 参数详解与配置策略 1. 参数配置…...
纹理过滤方式和纹理包裹方式
纹理过滤方式 纹理过滤方式有临近过滤(Nearest)和双线性插值过滤(Linear),什么时候用什么过滤方式其实看个人选择,区别就是临近过滤是当需要的像素大于图片像素时候,一些像素点需要复用与他相近…...
55.[前端开发-前端工程化]Day02-包管理工具npm等
包管理工具详解 npm、yarn、cnpm、npx、pnpm 1 npm包管理工具 代码共享方案 包管理工具npm 2 package配置文件 npm的配置文件 方式二 常见的配置文件 常见的属性 常见的属性 常见的属性 依赖的版本管理 常见属性 npm install 命令 项目安装 3 npm install原理 npm instal…...
Maven安装配置以及Idea中的配置教程
一、下载Maven 我使用的是3.9.9的版本: 下载地址:Download Apache Maven – Maven 二、安装 将下载好的Maven压缩包解压到一个路径不包含中文的文件夹: 三、配置环境变量 以win11系统为例: 1.鼠标右键此电脑->属性->…...
【JavaScript】性能优化:打造高效前端应用
文章目录 一、执行效率优化(关键路径优化)1.1 算法时间复杂度控制1.2 Web Workers多线程计算二、内存管理(避免内存泄漏)2.1 定时器清理2.2 DOM引用释放三、DOM操作优化(渲染性能)3.1 批量DOM更新3.2 读写分离策略四、网络传输优化(加载性能)4.1 代码分割(Dynamic Imp…...
【C语言练习】018. 定义和初始化结构体
018. 定义和初始化结构体 018. 定义和初始化结构体1. 定义结构体示例1:定义一个简单的结构体输出结果2. 初始化结构体示例2:在声明时初始化结构体输出结果示例3:使用指定初始化器初始化结构体(C99及以上标准支持)输出结果3. 结构体数组示例4:定义和初始化结构体数组输出结…...
Three.js支持模型格式区别、建议
在 Three.js 中,3D 模型的种类和格式非常多样,每种格式都有其适用场景和优缺点。以下是常见的 Three.js 支持的模型格式、它们的区别、使用建议及推荐。 在这里推荐免费的blender工具,免费、占用空间不大,而且好用,前端打开模型时使用不错,或者有自己想做的模型也可以用它…...
JavaScript基础-流程控制概念
在JavaScript编程中,掌握如何控制程序的执行流程是编写功能强大、逻辑清晰代码的关键。流程控制语句允许我们根据不同的条件执行不同的代码块,或者重复执行某些操作,从而实现复杂的功能逻辑。本文将详细介绍JavaScript中的几种主要流程控制结…...
PowerBI企业运营分析——多维度日期指标分析
PowerBI企业运营分析——多维度日期指标分析 欢迎来到Powerbi小课堂,在竞争激烈的市场环境中,企业运营分析平台成为提升竞争力的核心工具。 通过整合多源数据、实时监控关键指标,该平台能够精准分析业务表现,快速识别问题与机会…...
施磊老师rpc(三)
文章目录 mprpc框架项目动态库编译框架生成动态库框架初始化函数-文件读取1. 为什么要传入 argc, argv2. 读取参数逻辑3. 配置文件设计 init部分实现 mprpc配置文件加载(一)配置文件加载类成员变量主要方法**src/include/mprpcconfig.h** 配置文件**bin/test.conf** 实现配置文…...
k8s 探针
Kubernetes 中的探针(Probes)用于检测容器的健康状态或就绪状态,确保应用在运行时的可靠性。Kubernetes 提供三种探针类型,它们的核心区别在于用途和失败后的处理逻辑。以下是它们的详细说明和对比: 1. 启动探针&…...
MIT6.S081-lab8
MIT6.S081-lab8 1. Large files 从 lecture 我们可以知道,我们目前的单个文件的最大大小很小,这是因为我们能够索引的索引块范围很小,实际上,目前的索引只有直接索引和一级索引,而这个实验就是需要我们去实现二级索引…...
【RabbitMQ】 RabbitMQ快速上手
文章目录 一、RabbitMQ 核心概念1.1 Producer和Consumer2.2 Connection和Channel2.3 Virtual host2.4 Queue2.5 Exchange2.6 RabbitMQ工作流程 二、AMQP协议三 、web界面操作4.1 用户相关操作4.2 虚拟主机相关操作 四、RabbitMQ快速入门4.1 引入依赖4.2 编写生产者代码4.2.1 创…...
使用Rust + WebAssembly提升前端渲染性能:从原理到落地
一、问题背景:为什么选择WebAssembly? 最近在开发数据可视化大屏项目时,我们遇到了一个棘手的问题:前端需要实时渲染10万数据点的动态散点图,使用纯JavaScript Canvas方案在低端设备上帧率不足15FPS。经过性能分析&a…...
【quantity】9 长度单位模块(length.rs)
代码是用Rust语言定义的一组长度单位类型,利用了泛型和类型别名来创建带不同SI前缀的长度量。下面是详细解释: 基础结构: 使用了Quantity<V, P, Meter>作为基础类型,表示一个带有值类型V、前缀P和单位Meter的量。 Meter是…...
网络通信领域的基础或流行协议
一、TCP(传输控制协议) 1. 宏观介绍 TCP:全称“Transmission Control Protocol”——传输控制协议,是互联网最基础的传输协议之一。传输层协议,提供面向连接、可靠的字节流传输服务。它通过三次握手建立连接、四次挥手断开连接,确保数据有序、完整地传输作用:让两个设备…...
STM32——GPIO
1、GPIO简介 GPIO(General Purpose Input Output)通用输入输出口 可配置为8种输入输出模式 引脚电平:0V~3.3V,部分引脚可容忍5V 输出模式下可控制端口输出高低电平,用以驱动LED、控制蜂鸣器、模拟通信协议输出时序等 …...
AE模板 300个故障干扰损坏字幕条标题动画视频转场预设
这个AE模板提供了300个故障干扰损坏字幕条标题动画视频转场预设,让您的视频具有炫酷的故障效果。无论是预告片、宣传片还是其他类型的视频,这个模板都能带给您令人惊叹的故障运动标题效果。该模板无需任何外置插件或脚本,只需一键点击即可应用…...
2025-2026 XCPC
基本信息 本赛季由 jr-zlw \texttt{\color{#AA00AA}{jr-zlw}} jr-zlw, Skyzhou \texttt{\color{#03A89E} Skyzhou} Skyzhou 和 sunchaoyi \texttt{\color{#0000FF}sunchaoyi} sunchaoyi 组队,全靠大佬带飞~。 训练记录 2025.05.02 The 2023 Guangdong Provinci…...
list类的详细讲解
【本节目标】 1. list的介绍及使用 2. list的深度剖析及模拟实现 3. list与vector的对比 1. list的介绍及使用 1.1 list的介绍 1. list 是可以在常数范围内在任意位置进行插入和删除的序列式容器,并且该容器可以前后双向迭代。 2. list 的底层是双向链表结构&a…...
中小企业MES系统数据库设计
版本:V1.0 日期:2025年5月2日 一、数据库架构概览 1.1 数据库选型 数据类型数据库类型技术选型用途时序数据(传感器读数)时序数据库TimescaleDB存储设备实时监控数据结构化业务数据关系型数据库PostgreSQL工单、质量、设备等核心…...
wfp CommandParameter 详细解说
WPF 中的 CommandParameter 是命令模型中的关键属性,用于向命令的执行逻辑传递动态参数。以下是其主要特性和应用场景的详细解析: 1. 基本概念与用法 数据传递机制 CommandParameter 通常与 Command 属性配合使用,允许在 XAML 中静态定义参数或在绑定中动态传递值。…...
正弦波、方波、三角波和锯齿波信号发生器——Multisim电路仿真
目录 Multisim使用教程说明链接 一、正弦波信号发生电路 1.1正弦波发生电路 电路组成 工作原理 振荡频率 1.2 正弦波发生电路仿真分析 工程文件链接 二、方波信号发生电路 2.1 方波发生电路可调频率 工作原理 详细过程 2.2 方波发生电路可调频率/可调占空比 调节占空比 方波产生…...
Java语言概述
Java语言概述 什么是程序? 程序是计算机执行某些操作或解决某个问题而编写的一系列有序指令单集合。 举例: 计算11,并把结果写在黑板上 计算11,并把结果显示在屏幕上(按编程语言规定的语句࿰…...
截图软件、画图软件、左右分屏插件、快捷键
截图软件 画图软件 画图时候按字母可以改变颜色:红色r,蓝色b,绿色g,粉色p,橙色o 左右分屏: 快捷键 1.打开文件或文件夹: CtrlP:快速打开文件。CtrlR:快速打开文件或文件夹。 2.文件操作: CtrlN&…...
Linux 信号
一、生活中的信号 1.1、生活中的信号从产生到结束过程 例: ①、外卖电话响了(信号产生)-> 我接了电话并告诉外卖员说先放到楼下的架子上(识别到这个信号,并记住,保存到我的脑海里面) ->…...
AI 生成内容的版权困境:法律、技术与伦理的三重挑战
最近研学过程中发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击链接跳转到网站人工智能及编程语言学习教程。读者们可以通过里面的文章详细了解一下人工智能及其编程等教程和学习方法。下面开始对正文内容的…...
【愚公系列】《Manus极简入门》013-电影推荐专家:“银幕导航家”
🌟【技术大咖愚公搬代码:全栈专家的成长之路,你关注的宝藏博主在这里!】🌟 📣开发者圈持续输出高质量干货的"愚公精神"践行者——全网百万开发者都在追更的顶级技术博主! …...
MCP智能体意图识别与工具路由:让AI自主决策调用链路
目录 🚀 MCP智能体意图识别与工具路由:让AI自主决策调用链路 🌟 什么是意图识别与工具路由? 🛠️ 1. 设计意图识别模块 1.1 简易关键字规则版(基础版) 1.2 使用大模型辅助意图识别ÿ…...
【Redis】List类型
文章目录 List的特点介绍lpush,lpushx,rpush,rpushx命令lrange命令lpop和rpoplindex命令linsert命令llen命令lrem 命令ltrim命令lset命令阻塞版本的命令blpop和brpop 命令小结list的内部编码List的应用场景 List的特点介绍 列表相当于一个数…...
Trae 安装第三方插件支持本地部署的大语言模型
Trae 安装第三方插件支持本地部署的大语言模型 0. 引言1. 安装插件 0. 引言 字节发布的 Trae IDE 一直不支持本地部署的的大语言模型。 Qwen3 刚刚发布,想在 Trae 中使用本地部署的 Qwen3,我们可以在 Trae 中安装其他插件。 1. 安装插件 我们可以安装…...
【免费】2010-2019年上市公司排污费数据
2010-2019年上市公司排污费数据 1、时间:2010-2019年 2、来源:上市公司披露报告 3、指标:代码、日期、名称、本期支出 4、范围:417家上市公司 5、相关研究:胡珺,宋献中,王红建.非正式制度、家乡认同与企业环境治理…...
第Y3周:yolov5s.yaml文件解读
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 本次任务:将yolov5s网络模型中的第4层的C3x2修改为C3x1,第6层的C3x3修改为C3x2。 首先输出原来的网络结构: from n pa…...
python 桌面程序开发简述及示例
Python桌面程序开发简述及示例 Python凭借其简洁的语法和丰富的库支持,非常适合开发跨平台的桌面应用程序。本文将介绍Python桌面开发的主要方法,并提供实际代码示例。 一、Python桌面开发主要方法 1.1 Tkinter(标准库) Python内置的GUI库,适合开发简单桌面应用 1.2 …...
【前端知识】Vue3状态组件Pinia详细介绍
Vue3状态组件Pinia详细介绍 关联知识 Pinia 组件介绍、核心原理及使用方式 Pinia 组件介绍 Pinia 是 Vue.js 的官方状态管理库,专为 Vue 3 设计,提供简洁的 API 和强大的 TypeScript 支持。其核心组件包括: • Store:状态存储容器…...
YOLO旋转目标检测之ONNX模型推理
YOLO旋转检测相较于目标检测而言,其只是最后的输出层网络发生了改变,一个最明显的区别便是:目标检测的检测框是xywh,而旋转检测则为xywha,其中,这个a代表angle,即旋转角度,其余的基本…...
C++八股--three day --设计模式之单例和工厂
对于C编程中的思想,最常见的就是考察设计模式了 那么我们在面试中常考的设计模式包含以下几种:单例模式, 接下来我们按顺序介绍 1.单例模式: 一个类只能创建一个实例:常应用于日志模块,数据库模块 …...
GAMES202-高质量实时渲染(Assignment 2)
目录 作业介绍环境光贴图预计算传输项的预计算Diffuse unshadowedDiffuse shadowedDiffuse Inter-reflection(bonus) 实时球谐光照计算 GitHub主页:https://github.com/sdpyy1 作业实现:https://github.com/sdpyy1/CppLearn/tree/main/games202 作业介绍 物体在不同…...
一、Shell 脚本基础
一、Shell 简介 1.Shell 的定义与作用 Shell,通常被称为命令行解释器 (Command Line Interpreter),是用户 👤 与 Linux/Unix 操作系统内核进行交互 ↔️ 的“桥梁” 🌉。它扮演着翻译官 🗣️ 的角色: 接…...
redis持久化-RDB
redis持久化-RDB 文档 redis单机安装redis常用的五种数据类型redis数据类型-位图bitmapredis数据类型-基数统计HyperLogLogredis数据类型-地理空间GEOredis数据类型-流Streamredis数据类型-位域bitfield 官方文档 官网操作命令指南页面:https://redis.io/docs/l…...
经典算法 石子合并问题
石子合并问题 问题描述 在一个园形操场的四周摆放N堆石子,现要将石子有次序地合并成一堆.规定每次只能选相邻的2堆合并成新的一堆,并将新的一堆的石子数,记为该次合并的得分。试设计出一个算法,计算出将N堆石子合并成1堆最大得分和最小得分。 输入描述…...
2025A卷华为OD机试真题-数组二叉树(C++/Java/Python)-100分
2025华为OD机试题库-(2025A卷+E卷+D卷)-(JAVA、Python、C++) 目录 题目描述 输入描述 输出描述 示例 1 示例 2 解题思路 代码 c++ java python 题目描述 二叉树也可以用数组来存储,给定一个数组,树的根节点的值储存在下标1,对于储存在下标n的节点,他的左子节点…...