当前位置: 首页 > news >正文

二叉树:堆的建立和应用

在建立堆之前,我们要知道什么是树和二叉树

树是一种非线性的数据结构,它是由n(n>0)个结点组成的一个具有层次关系的集合,之所以把它叫做树,是因为它长得像一棵倒挂的树,也就是根在上面,叶子在下面

树形结构

树形结构的特性: 

1、树里面有一个特殊的结点,叫做根结点,它没有前驱结点

2、除了根结点以外的结点又分为m(m>0)个集合,其中每一个集合又是一棵与树结构类似的子树,而且每棵子树的根结点都有一个且只有一个前驱结点,但可以有多个或0个后继结点

3、在树形结构中,子树之间不能有交集,否则就不是树形结构

4、除了根结点,每个结点有且只有一个父结点

5、一棵n个结点的树有n-1条边

下面是一些与树相关的术语

⽗结点/双亲结点:若⼀个结点含有⼦结点,则这个结点称为其⼦结点的⽗结点
⼦结点/孩⼦结点:⼀个结点含有的⼦树的根结点称为该结点的⼦结点; 
结点的度:⼀个结点有⼏个孩⼦,他的度就是多少;
树的度:⼀棵树中,最⼤的结点的度称为树的度;
叶⼦结点/终端结点:度为 0 的结点称为叶结点
分⽀结点/⾮终端结点:度不为 0 的结点;
兄弟结点:具有相同⽗结点的结点互称为兄弟结点(亲兄弟);
结点的层次:从根开始定义起,根为第 1 层,根的⼦结点为第 2 层,以此类推;
树的⾼度或深度:树中结点的最⼤层次;
结点的祖先:从根到该结点所经分⽀上的所有结点
路径:⼀条从树中任意节点出发,沿⽗节点-⼦节点连接,达到任意节点的序列;
⼦孙:以某结点为根的⼦树中任⼀结点都称为该结点的⼦孙;
森林:由 m m>0 ) 棵互不相交的树的集合称为森林;

非树形结构 

 树的表示

树的结构相比于线性表要复杂点,存储起来也会比较麻烦,又要保存值,又要保存结点与结点之间的关系

在这里我们用一种比较常用的表示方法:孩子兄弟表示法

struct TreeNode
{struct Node* child; // 左边开始的第⼀个孩⼦结点struct Node* brother; // 指向其右边的下⼀个兄弟结点int data; // 结点中的数据域
};

树形结构实际运用场景

⽂件系统是计算机存储和管理⽂件的⼀种⽅式,它利⽤树形结构来组织和管理⽂件和⽂件夹。在⽂件系统中,树结构被⼴泛应⽤,它通过⽗结点和⼦结点之间的关系来表⽰不同层级的⽂件和⽂件夹之间的关联。

 

 二叉树

在树形结构中我们最常用的就是二叉树,一棵二叉树是结点的一个有限集合,这个集合是由一个根结点加上两棵分别称为左子树和右子树的二叉树组成

二叉树的特点

1、二叉树不存在度大于2的结点;

2、二叉树的子树有左右之分,顺序不能颠倒,所以二叉树是一棵有序树

 当然二叉树的结构不单单就上面一种情况

 现实中也存在这种结构的树

特殊的二叉树:满二叉树、完全二叉树

满二叉树:一棵二叉树,如果每一层的结点数都达到最大值,则这棵二叉树就是满二叉树

比如一棵二叉树的层数为h,且它的结点总数是2^k-1,则它就是满二叉树

 完全二叉树:完全二叉树就是除了最后一层,其他层数的结点数都达到最大的一种二叉树,满二叉树是一种特殊的完全二叉树,完全二叉树是一种效率很高的数据结构

 二叉树的特性

1、当根结点的层数为1,则一棵非空二叉树的第h层上最多有2^(h-1)个结点

2、当根结点的层数为1,则深度为h的二叉树的总结点数为2^h-1;

3、当根结点的层数为1,结点数为n的满二叉树的深度h=log2(n+1)(以2为底,n+1为对数)

二叉树的存储结构 

二叉树可以使用两种结构存储:顺序存储、链式存储

我们在这里主要讲解二叉树的顺序结构存储,在前面数据结构的学习中我们得知顺序结构是使用数组来存储,而完全二叉树十分适用于顺序结构存储,因为这样不会有空间的浪费

而如果其他的二叉树使用顺序结构存储,就会造成空间的浪费

 在数据结构中,我们通常把堆(一种二叉树)使用顺序结构的数组来存储,但要注意的是这里堆和操作系统中的堆是两回事,一个是数据结构,一个是操作系统中内存管理内存的一块区域分段

概念

堆是一种特殊的二叉树,具有二叉树的特性的同时,还具备一些特性:堆分为大堆/大根堆、小堆/小根堆;我们把根结点最大的堆叫做大堆/大根堆把根结点最小的堆叫做小堆/小根堆

 堆的特性

1、结点下标为i(i>0)的父结点下标为:(i-1)/2,i=0就表示为根结点,它没有父结点;

2、结点下标为i(i>0)的左孩子下标为:2*i+1;右孩子下标为:2*i+2,当它们的i下标超过总结点数,就不存在孩子结点

 堆的实现

向上调整算法

堆的向上调整算法使用的前提是:在插入新元素之前,前面的元素就已经满足了堆的性质!!

它的本质思想(建小堆):

1、将新元素插入到叶子节点;

2、与它的父结点进行比较,如果小于父结点的值,就交换;

3、把原本父结点下标当作子结点,在进行步骤2,与现在下标的父结点进行比较,重复该步骤

结束条件结点到达根结点位置或者提前调整到合适的位置,满足了堆的特性

void Swap(int* x, int* y)
{int temp = *x;*x = *y;*y = temp;
}//向上调整算法
void AdjustUp(HPDataType* a, int child)
{assert(a);int parent = (child - 1) / 2;while (child>0){if (a[child] < a[parent])//建小堆{Swap(&a[child], &a[parent]);child = parent;parent = (child - 1) / 2;}else{break;}}
}

向下调整算法

向下调整算法的前提是左右子树都符合堆的条件

它的本质思想(建小堆):

1、从根结点开始,与它的左右结点中较小的进行比较,如果小于子结点的值就交换值;

注:要考虑两个子结点的大小的比较,而且右孩子结点的下标不能大于总结点数

2、交换后的子结点作为父结点重复上面步骤

直到孩子结点下标大于或等于总结点数

//向下调整算法
void AdjustDown(HPDataType* a, int n, int parent)
{assert(a);int child = parent * 2 + 1;while (child<n){if (child+1 < n && a[child] > a[child + 1])//先找孩子结点{child++;}if (a[child] < a[parent]){Swap(&a[child], &a[parent]);parent = child;child = parent * 2 + 1;}else{break;}}
}

结构

堆是使用顺序结构存储的,所以它的结构和顺序表的结构相同

typedef int HPDataType;typedef struct Heap 
{HPDataType* arr;int size;int capacity;
}HP;

初始化和销毁

初始化和销毁也和顺序表一样

//初始化
void HPInit(HP* php)
{assert(php);php->arr = NULL;php->size = php->capacity = 0;
}//销毁
void HPDestroy(HP* php)
{assert(php);if (php->arr){free(php->arr);}php->arr = NULL;php->capacity = php->size = 0;
}

插入

堆的插入是将数据插入到数组的尾部,然后再进行调整,使它满足堆的特性(大堆或小堆)

//堆的插⼊
void HPPush(HP* php, HPDataType x)
{assert(php);if (php->size == php->capacity){int newcapacity = php->capacity == 0 ? 4 : 2 * php->capacity;HPDataType* temp=(HPDataType*)realloc(php->arr, sizeof(HPDataType) * newcapacity);if (temp == NULL){perror("realloc fail!\n");exit(1);}php->arr = temp;php->capacity = newcapacity;}php->arr[php->size] = x;AdjustUp(php->arr, php->size);php->size++;
}

所以,堆的插入就分为两步:先插入,再调整 

删除

堆的删除是删除堆顶的数据,将堆顶的数据和最后一个结点的数据交换,这时堆顶数据就到了数组的尾部,直接删除数组的最后一个数据就行,删完了以后,就需要将现在的二叉树调整为堆结构

// 判空
bool HPEmpty(HP* php)
{assert(php);return php->size == 0;
}
//堆的删除
void HPPop(HP* php)
{assert(php);assert(!HPEmpty(php));Swap(&php->arr[0], &php->arr[php->size-1]);php->size--;AdjustDown(php->arr, php->size, 0);
}

 

取堆顶元素和堆的数据个数

// 取堆顶的数据
HPDataType HeapTop(Heap* php)
{assert(php);assert(!HeapEmpty(php));return php->arr[0];
}// 堆的数据个数
int HeapSize(Heap* php)
{assert(php);return php->size;
}

堆的应用

堆排序

堆排序是借助堆的算法思想,而不是直接使用堆的数据结构来实现

堆排序的时间复杂度为:O(nlogn)

堆排序的实现思想:

1、先将传入的数组建成堆(升序建大堆,降序建小堆);

2、交换堆顶元素和堆尾元素;

3、对数组进行向下调整,使其保持堆的特性;

4、重复2和3的步骤,直到要调整的元素为1时结束,排序完成

在这里演示一个堆排序实现降序

这里的end一开始就为最后一个元素的下标,也是要调整元素个数,每次调整后要减减,也就是往前移

向下调整算法需要调整的就是元素的个数,所以是先调整,再end--

 代码为

#include"HeapSort.h"void HeapSortUp(int* arr,int n)//向上调整算法建堆:时间复杂度O(nlogn)
{//排升序建大堆//排降序建小堆//先建堆for (int i = 0; i < n; ++i)//这里建的堆是大堆{AdJustUp(arr, i);}//再排序int end = n - 1;while (end > 0){Swap(&arr[0], &arr[end]);//交换堆顶和尾结点AdJustDown(arr, 0, end);end--;}}
void HeapSortDown(int* arr, int n)//向下调整算法建堆:时间复杂度O(n)
{//排升序建大堆//排降序建小堆//先建堆for (int i = (n - 1 - 1)/2; i >=0; i--){AdJustDown(arr, i, n);}//再排序int end = n - 1;while (end > 0){Swap(&arr[0], &arr[end]);//交换堆顶和尾结点AdJustDown(arr, 0, end);end--;}}void test()
{int arr[] = { 6,3,11,9,16,17 };int n = sizeof(arr) / sizeof(arr[0]);//HeapSortUp(arr, n);HeapSortDown(arr, n);for (int i = 0; i < n; ++i){printf("%d ", arr[i]);}}int main()
{test();return 0;
}

在我写的堆排序有两种建堆方法,那哪一种建堆更加高效呢?

来让我们探究它们的复杂度

向上调整算法建堆

由该推算可得向上调整算法建堆的时间复杂度为O(nlogn)

根据图所示可知:

随着结点个数的逐渐增多,结点向上调整的次数也逐渐增多

向下调整算法建堆

由该推算可得向下调整算法建堆的时间复杂度为O(n)

根据图所示可知:

随着结点个数的逐渐增多,结点向下调整的次数也逐渐减少

ss所以在堆排序中最好使用向下调整算法建堆!!!

TOP-K问题

TOP-K问题是指在一堆数据中求前K个最大元素或最小元素,而一般情况下都是在数据量很大的情况下求解的一类问题

题目类型由:专业前10名、世界前500强、游戏中100的活跃玩家等

对于这类型的问题,能想到最简单的解法就是排序,但是在数据量很大的情况下,排序就不能实现不了,因为数据可能无法同时都存储在内存中

最佳的解决方法就是使用堆来解决

思路就是:

1、取N个数据的前K个元素,建堆(求前K个最大元素,建小堆;求前K个最小值,建大堆) 

2、用剩余N-K个元素依次和堆顶元素进行比较,

求前K个最大元素:如果大于堆顶元素就和堆顶元素交换(也就是入堆);

求前K个最小元素:如果大于堆顶元素就和堆顶元素交换(也就是入堆),

然后再将这K个元素进行调整使它们保持为堆

当N-K个元素比完了,堆中剩余的K个元素就是所求的前K个最大元素或最大元素

代码为:

#define _CRT_SECURE_NO_WARNINGS 1
#include"HeapSort.h"void CreateNDate()
{// 造数据int n = 100000;srand(time(0));const char* file = "data.txt";FILE* fin = fopen(file, "w");if (fin == NULL){perror("fopen error");return;}for (int i = 0; i < n; ++i){int x = (rand() + i) % 1000000;fprintf(fin, "%d\n", x);}fclose(fin);
}void TopK()
{int k = 0;printf("请输入K:");scanf("%d", &k);const char* file = "data.txt";FILE* fout = fopen(file, "r");if (fout == NULL){perror("fopen error");exit(1);}//找最小的前K个数,建大堆int* minHeap = (int*)malloc(sizeof(int) * k);if (minHeap == NULL){perror("malloc fail!");exit(2);}//读取文件中前K个数据建堆for (int i = 0; i < k; i++){fscanf(fout, "%d", &minHeap[i]);}//建堆for (int i = (k - 1 - 1) / 2; i >= 0; i--){AdJustDown(minHeap, i, k);}//遍历剩下的n-k个数据,跟堆顶比较,谁小谁入堆//调整堆int x = 0;while (fscanf(fout, "%d", &x) != EOF){if (x < minHeap[0]){minHeap[0] = x;AdJustDown(minHeap, 0, k);}}for (int i = 0; i < k; i++){printf("%d ", minHeap[i]);}fclose(fout);fout = NULL;
}int main()
{TopK();//CreateNDate();return 0;
}

相关文章:

二叉树:堆的建立和应用

在建立堆之前&#xff0c;我们要知道什么是树和二叉树 树 树是一种非线性的数据结构&#xff0c;它是由n&#xff08;n>0&#xff09;个结点组成的一个具有层次关系的集合&#xff0c;之所以把它叫做树&#xff0c;是因为它长得像一棵倒挂的树&#xff0c;也就是根在上面&…...

手搓人工智能-最优化算法(1)最速梯度下降法,及推导过程

“Men pass away, but their deeds abide.” 人终有一死&#xff0c;但是他们的业绩将永存。 ——奥古斯坦-路易柯西 目录 前言 简单函数求极值 复杂函数梯度法求极值 泰勒展开 梯度&#xff0c;Nabla算子 Cauchy-Schwarz不等式 梯度下降算法 算法流程 梯度下降法…...

【大数据学习 | Spark-SQL】Spark-SQL编程

上面的是SparkSQL的API操作。 1. 将RDD转化为DataFrame对象 DataFrame&#xff1a; DataFrame是一种以RDD为基础的分布式数据集&#xff0c;类似于传统数据库中的二维表格。带有schema元信息&#xff0c;即DataFrame所表示的二维表数据集的每一列都带有名称和类型。这样的数…...

go+gin+mysql+gorm快速实现增删改查接口

Gin 是一个用 Go (Golang) 编写的轻量级但功能强大的Web框架&#xff0c;具有极高的性能。适合开发API和微服务。 1.安装 Gin 前置任务&#xff0c;首先你本地需要安装过go语言环境 go get -u github.com/gin-gonic/gin这里直接结合项目代码解析gin的主要功能&#xff1a; …...

【国产MCU】-GD32F470-串行外设接口(SPI)

串行外设接口(SPI) 文章目录 串行外设接口(SPI)1、SPI介绍1.1 SPI特性1.2 SPI信号1.3 SPI 时序和数据帧格式1.4 NSS 功能1.5 SPI运行模式2、SPI控制器寄存器列表3、SPI控制器驱动API介绍4、SPI应用4.1 SPI初始化流程4.2 数据发送与接收串行外设接口(Serial Peripheral Int…...

RabbitMQ 集群

文章目录 前言单机多节点搭建集群创建RabbitMQ节点停止服务并重置将节点加入到集群中查看集群状态宕机 结论 前言 RabbitMQ 作为消息中间件&#xff0c;可以与多个生产者和消费者进行绑定&#xff0c;但是如何只有一台 RabbitMQ 服务的话&#xff0c;那么这个 RabbitMQ 就需要…...

Qt实现窗口内的控件自适应窗口大小

前言&#xff1a;因为有时候窗口内的控件比较大&#xff0c;但是为了同时操作多个窗口&#xff0c;希望可以根据情况&#xff0c;在调整窗口大小时&#xff0c;控件能自适应大小&#xff0c;于是通过遍历整个界面内的控件&#xff0c;并在调整大小的事件中按比率调整控件大小实…...

Android基本概念及控件

Android是Google公司基于Linux平台开发的主要应用于智能手机及平板电脑的操作系统。 ART模式与Dalvik模式最大的不同在于:在启用ART模式后&#xff0c;系统在安装应用程序的时候会进行一次预编译&#xff0c;并先将代码转换为机器语言存储在本地,这样在运行程序时就不会每次都…...

云计算的计算包括哪些内容

‌云计算的计算主要包括以下几种类型‌&#xff1a; ‌分布式计算‌&#xff1a;分布式计算是一种计算方法&#xff0c;它将大型问题分解成多个小任务&#xff0c;然后分配给多个计算机进行处理。这种方法可以提高计算效率和可靠性‌1。‌并行计算‌&#xff1a;并行计算是同时…...

D81【 python 接口自动化学习】- python基础之HTTP

day81 requests请求session用法 学习日期&#xff1a;20241127 学习目标&#xff1a;http定义及实战 -- requests请求session用法 学习笔记&#xff1a; requests请求session用法 import requests# 创建一个会话 reqrequests.session() url "http://sellshop.5istud…...

嵌入式驱动开发详解2(设备挂载问题)

文章目录 前言设备号设备号的组成设备号的分配静态分配动态分配 驱动挂载与卸载设备节点创建驱动挂载出现问题 前言 驱动的设备挂载和卸载是十分重要的内容&#xff0c;一旦操作不当可能会导致系统崩溃&#xff0c;接下来我将用字符设备的驱动挂载原理进行详细讲解&#xff0c…...

Java全栈开发:宠物医院管理系统项目实战

Java全栈开发:宠物医院管理系统项目实战 项目介绍 本文将介绍一个基于Spring Boot + Vue.js的宠物医院管理系统的开发过程。该系统主要用于帮助宠物医院管理日常运营,包括患者管理、预约挂号、处方开具等功能。 技术栈 后端技术 Spring Boot 2.7.xSpring SecurityMyBatis…...

【设计模式】1. 构建器模式(Builder Pattern)是一种创建型设计模式

构建器模式&#xff08;Builder Pattern&#xff09;是一种创建型设计模式&#xff0c;用于分步骤构建复杂对象&#xff0c;同时允许按照不同的需求生成不同的表示。该模式将对象的构建过程与其表示分离&#xff0c;使得相同的构建过程可以创建不同的对象。 核心思想 构建器模…...

Apache Zeppelin:一个基于Web的大数据可视化分析平台

今天给大家推荐一下 Apache Zeppelin&#xff0c;它是一个基于 Web 的交互式数据接入、数据分析、数据可视化以及协作文档 Notebook&#xff0c;类似于 Jupyter Notebook。 Apache Zeppelin 支持使用 SQL、Java、Scala、Python、R 等编程语言进行数据处理和分析&#xff0c;同时…...

在Manjaro Gnome桌面的基础上安装Budgie桌面环境

在Manjaro上安装Budgie桌面环境 Budgie是Solus团队开发的一种简单而优雅的桌面环境。 Budgie是由Solus项目主要开发的流行桌面环境&#xff0c;与GNOME堆栈紧密集成。它提供了简单而优雅的用户体验&#xff0c;并且可用于大多数发行版&#xff0c;如Arch、Debian、Manjaro等。…...

C语言中的指针的解读和强大功能

C语言中的指针是其最强大也是最复杂的特性之一&#xff0c;掌握指针对于深入学习C语言非常重要。以下是对C语言指针的详解&#xff1a; 1. 指针的基本概念 指针是什么&#xff1a; 指针是一个变量&#xff0c;其值是另一个变量的地址。指针的作用&#xff1a; 通过指针&#x…...

44.扫雷第二部分、放置随机的雷,扫雷,炸死或成功 C语言

按照教程打完了。好几个bug都是自己打出来的。比如统计周围8个格子时&#xff0c;有一个各自加号填成了减号。我还以为平移了&#xff0c;一会显示是0一会显示是2。结果单纯的打错了。debug的时候断点放在scanf后面会顺畅一些。中间多放一些变量名方便监视。以及mine要多显示&a…...

【Vue】最新Vue3实战教程:全面掌握响应式数据、v-on事件、v-if/v-show条件渲染及更多核心技术

文章目录 为什么选择Vue3&#xff1f;更多实用工具快速上手Vue3安装与配置项目结构 响应式数据处理创建响应式数据使用ref使用reactive 计算属性与侦听器计算属性侦听器 事件绑定与处理&#xff08;v-on&#xff09;基本用法简写语法事件修饰符绑定多个事件 条件渲染&#xff0…...

实时数仓Kappa架构:从入门到实战

引言 随着大数据技术的不断发展&#xff0c;企业对实时数据处理和分析的需求日益增长。实时数仓&#xff08;Real-Time Data Warehouse, RTDW&#xff09;应运而生&#xff0c;其中Kappa架构作为一种简化的数据处理架构&#xff0c;通过统一的流处理框架&#xff0c;解决了传统…...

爬虫笔记24——纷玩岛(某岛)自动抢票脚本笔记

纷玩岛自动抢票&#xff0c;协议抢票思路实现 一、获取Authorization凭证二、几个关键的参数三、几个关键的接口获取参数v&#xff0c;这个参数其实可以写死&#xff0c;可忽略通过价位获取演出的参数信息获取观演人信息&#xff0c;账号提前录入即可提交订单接口 先看实现图&a…...

接口性能优化宝典:解决性能瓶颈的策略与实践

目录 一、直面索引 &#xff08;一&#xff09;索引优化的常见场景 &#xff08;二&#xff09;如何检查索引的使用情况 &#xff08;三&#xff09;如何避免索引失效 &#xff08;四&#xff09;强制选择索引 二、提升 SQL 执行效率 &#xff08;一&#xff09;避免不必…...

5G NR:带宽与采样率的计算

100M 带宽是122.88Mhz sampling rate这是我们都知道的&#xff0c;那它是怎么来的呢&#xff1f; 采样率 子载波间隔 * 采样长度 38.211中对于Tc的定义&#xff0c; 在LTE是定义了Ts&#xff0c;在NR也就是5G定义了Tc。 定义这个单位会对我们以后工作中的计算至关重要。 就是在…...

python的openpyxl库设置表格样式:字体/边框/对齐/颜色等

学习目录 1. 安装和使用openpyxl库设置表格样式 2 设置字体font 3 设置边框 4 设置对齐方式 5 设置单元格数据格式 6 设置行高和列宽 7 填充单元格颜色 附录-关于颜色说明 本章节主要介绍如何使用openpyxl库设置表格中的一些样式&#xff0c;比如字体&#xff0c;边框…...

Vue报错:error Mixed spaces and tabs no-mixed-spaces-and-tabs——报错处理

最近在写后台管理系统的时候&#xff0c;遇到一个报错Vue报错&#xff1a;error Mixed spaces and tabs no-mixed-spaces-and-tabs 出现这个问题的原因&#xff0c;就是同事那边安装了eslint&#xff0c;用来规范代码风格。Eslint是语法检查工具&#xff0c;缺点是对所写代码要…...

Spring:Spring事务管理代码案例讲解

Spring事务管理知识讲解请见&#xff1a;Spring事务知识点讲解 下面演示一个代码示例进行理解。 需求 两个账户相互转账&#xff0c;并记录日志&#xff0c;即使有转账失败也要记录 需求分析 这里主要是需要开启事务机制来控制转入和转出&#xff1a; 1&#xff0c;创建一…...

【Petri网导论学习笔记】Petri网导论入门学习(十) —— 3.2 关联矩阵与状态方程

目录 3.2 关联矩阵与状态方程定义 3.3 关联矩阵引理 3.4引理 3.5定理 3.4例 3.7例 3.83.2 关联矩阵与状态方程 正如 Petri 网的一个标识可以表示成一个 $ m $ 维非负整数向量一样,Petri 网的结构也可以用一个矩阵来表示。这样,就可以引入线性代数的方法对 Petri 网的性质进行…...

(计算机网络)期末

计算机网络概述 物理层 信源就是发送方 信宿就是接收方 串行通信--一次只发一个单位的数据&#xff08;串行输入&#xff09; 并行通信--一次可以传输多个单位的数据 光纤--利用光的反射进行传输 传输之前&#xff0c;要对信源进行一个编码&#xff0c;收到信息之后要进行一个…...

自动驾驶目标检测融合全貌

1、early fusion 早期融合&#xff0c;特点用到几何空间转换3d到2d或者2d到3d的转换&#xff0c;用像素找点云或者用点云找像素。 2、deep fusion 深度融合&#xff0c;也是特征级别融合&#xff0c;也叫多模态融合&#xff0c;如bevfusion范式 3、late fusion 晚融合&#x…...

Spring中实现动态数据源切换,基于AbstractRoutingDataSource

背景 在项目开发过程中&#xff0c;我们可能会遇到一个场景&#xff1a;某个类型数据源有多个数据源实例&#xff0c;需要我们按照不同的请求切换到不同数据源去。 而目前绝大多数java应用都是基于Spring框架来开发&#xff0c;我们很多时候相关的数据源连接都是交给了Spring框…...

Linux指标之平均负载(The Average load of Linux Metrics)

&#x1f49d;&#x1f49d;&#x1f49d;欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 推荐:Linux运维老纪的首页…...

基于SpringBoot共享汽车管理系统【附源码】

基于SpringBoot共享汽车管理系统 效果如下&#xff1a; 系统注册页面 系统登陆页面 系统管理员主页面 用户信息管理页面 汽车投放管理页面 使用订单页面 汽车归还管理页面 研究背景 随着计算机技术和计算机网络的逐渐普及&#xff0c;互联网成为人们查找信息的重要场所。二十…...

React-useState的使用

useState 是 React 提供的一个 Hook&#xff0c;允许你在函数组件中添加和管理状态&#xff08;state&#xff09;。在类组件中&#xff0c;状态管理通常是通过 this.state 和 this.setState 来实现的&#xff0c;而在函数组件中&#xff0c;useState 提供了类似的功能。 基本…...

wordpress 中添加图片放大功能

功能描述 使用 Fancybox 实现图片放大和灯箱效果。自动为文章内容中的图片添加链接&#xff0c;使其支持 Fancybox。修改了 header.php 和 footer.php 以引入必要的 CSS 和 JS 文件。在 functions.php 中通过过滤器自动为图片添加 data-fancybox 属性。 最终代码 1. 修改 hea…...

Day 27 贪心算法 part01

贪心算法其实就是没有什么规律可言,所以大家了解贪心算法 就了解它没有规律的本质就够了。 不用花心思去研究其规律, 没有思路就立刻看题解。 基本贪心的题目 有两个极端,要不就是特简单,要不就是死活想不出来。 学完贪心之后再去看动态规划,就会了解贪心和动规的区别。…...

运维面试题.云计算面试题

一、选择题(每题1分,合计15分) 1.若当前目录为 /home,命令 ls–l 将显示 home 目录下的( )。 A.所有文件 B.所有隐含文件 C.所有非隐含文件 D.文件的具体信息 2.如果要列出一个目录下的所有文件需要使用命令行( )。 A. ls–l B. ls C. ls–a(all) D. ls–d 3.下面关于文件…...

计算机专业的真正的就业情况

首先听到计算机行业&#xff0c;大多数人岗位已经饱和&#xff0c;前端已死&#xff0c;程序员35岁危机。但是事实上这些认知都是片面的&#xff0c;今天由我来为大家分析计算机行业的内幕。 疫情过后&#xff0c;过内各种行业都受到了冲击&#xff0c;你们敢说除了体制内的行业…...

行为型模式-状态模式

状态模式&#xff08;State Pattern&#xff09;是行为型设计模式之一&#xff0c;用于允许一个对象在其内部状态改变时改变其行为。状态模式可以有效避免在对象中使用大量的条件语句&#xff0c;通过将状态的逻辑转移到独立的状态类中&#xff0c;实现状态与行为的分离。 核心…...

字节跳动青训营刷题笔记19

问题描述 小R正在组织一个比赛&#xff0c;比赛中有 n 支队伍参赛。比赛遵循以下独特的赛制&#xff1a; 如果当前队伍数为 偶数&#xff0c;那么每支队伍都会与另一支队伍配对。总共进行 n / 2 场比赛&#xff0c;且产生 n / 2 支队伍进入下一轮。如果当前队伍数为 奇数&…...

【MATLAB源码-第225期】基于matlab的计算器GUI设计仿真,能够实现基础运算,三角函数以及幂运算。

操作环境&#xff1a; MATLAB 2022a 1、算法描述 界面布局 计算器界面的主要元素分为几大部分&#xff1a;显示屏、功能按钮、数字按钮和操作符按钮。 显示屏 显示屏&#xff08;Edit Text&#xff09;&#xff1a;位于界面顶部中央&#xff0c;用于显示用户输入的表达式和…...

C++学习日记---第14天(蓝桥杯备赛)

笔记复习 1.对象的初始化和清理 对象的初始化和清理是两个非常重要的安全问题&#xff0c;一个对象或者变量没有初始状态&#xff0c;对其使用后果是未知&#xff0c;同样的使用完一个对象或者变量&#xff0c;没有及时清理&#xff0c;也会造成一定的安全问题 构造函数&…...

windows C#-定义和读取自定义特性

使用特性&#xff0c;可以声明的方式将信息与代码相关联。 特性还可以提供能够应用于各种目标的可重用元素。 考虑 ObsoleteAttribute。 它可以应用于类、结构、方法、构造函数等。 用于声明元素已过时。 然后&#xff0c;由 C# 编译器负责查找此特性&#xff0c;并执行某响应操…...

一个vue项目如何运行在docker

将 Vue.js 应用程序通过 Docker 发布是一个非常常见的做法&#xff0c;它可以帮助你轻松地部署应用到不同的环境中。下面是一个简单的指南&#xff0c;介绍如何为 Vue.js 项目创建 Dockerfile 并进行构建和运行。 第一步&#xff1a;安装 Docker 确保你的开发机器上已经安装了…...

重读《人月神话》(15)-祸起萧墙(Hatching a Catastrophe

增加更多的人手到一个已经延期的项目中往往不会加快项目的进度&#xff0c;反而可能使情况变得更糟。 项目进度的细微延迟往往难以察觉&#xff0c;但它们却能悄无声息地累积起来&#xff0c;最终对整个项目的完成时间造成重大影响。昨天&#xff0c;一位关键成员因突发疾病未…...

【大数据学习 | Spark-Core】广播变量和累加器

1. 共享变量 Spark两种共享变量&#xff1a;广播变量&#xff08;broadcast variable&#xff09;与累加器&#xff08;accumulator&#xff09;。 累加器用来对信息进行聚合&#xff0c;相当于mapreduce中的counter&#xff1b;而广播变量用来高效分发较大的对象&#xff0c…...

C/C++基础知识复习(30)

1) 什么是 C 中的 Lambda 表达式&#xff1f;它的作用是什么&#xff1f; Lambda 表达式&#xff1a; 在 C 中&#xff0c;Lambda 表达式是一种可以定义匿名函数的机制&#xff0c;可以在代码中快速创建一个内联的函数对象&#xff0c;而不需要显式地定义一个函数。Lambda 表…...

【Spring MVC】如何获取cookie/session以及响应@RestController的理解,Header的设置

前言 &#x1f31f;&#x1f31f;本期讲解关于SpringMVC的编程之参数传递~~~ &#x1f308;感兴趣的小伙伴看一看小编主页&#xff1a;GGBondlctrl-CSDN博客 &#x1f525; 你的点赞就是小编不断更新的最大动力 &#x1f386;那么废…...

Could not locate device support files.

报错信息&#xff1a;Failure Reason: The device may be running a version of iOS (13.6.1 17G80) that is not supported by this version of Xcode.[missing string: 869a8e318f07f3e2f42e11d435502286094f76de] 问题&#xff1a;xcode15升级到xcode16之后&#xff0c;13.…...

Kafka日志索引详解以及生产常见问题分析与总结

文章目录 一、Kafka的Log日志梳理1.1、Topic下的消息如何存储1.1.1、log文件追加记录所有消息1.1.2、index和timeindex加速读取log消息日志 1.2、文件清理机制1.2.1、如何判断哪些日志文件过期了1.2.2、过期的日志文件如何处理 1.3、Kafka的文件高效读写机制1.3.1、Kafka的文件…...

Qt中QGraphics绘图类相关解释

Item(图元)坐标系、Scene(场景)坐标系、View(视图)坐标系&#xff0c;三者均为&#xff1a;x轴正方向向右&#xff0c;y轴正方向向下 1、Item(图元)&#xff1a;坐标属于局部坐标&#xff0c;通常以图元中心为原点(中心对称)。 场景坐标系统描述了顶层的图元&#xff0c;每个图…...

@Pattern (用于校验字符串是否符合特定正则表达式)

Pattern 是一个用于校验字符串是否符合特定正则表达式的注解&#xff0c;它在 Java 中常用于验证输入数据的格式。以下是 Pattern 注解的详解和使用方法&#xff1a; 含义 Pattern 注解用于在 Java 中对字段进行注解&#xff0c;以确保其值与指定的正则表达式匹配。这个注解可…...