当前位置: 首页 > news >正文

大厂算法面试常见问题总结:高频考点与备战指南

在大厂算法面试中,数据结构与算法是必考的核心内容。

无论是校招还是社招,算法题的表现往往决定了面试的成败。

为了帮助大家更好地备战,本文总结了大厂算法面试中的高频考点,并提供了详细的备战建议,助你轻松应对面试挑战!


一、数据结构类问题

1. 数组与字符串

  • 高频题

    • 两数之和:给定一个数组和一个目标值,找出数组中两数之和等于目标值的索引。

    • 三数之和:找出数组中所有满足三数之和为0的不重复三元组。

    • 最长无重复子串:找到字符串中不包含重复字符的最长子串。

    • 接雨水:计算柱状图中能接多少雨水。

    • 滑动窗口最大值:在滑动窗口中找出最大值。

    • 合并区间:合并所有重叠的区间。

    • 旋转矩阵:将矩阵顺时针旋转90度。

  • 技巧

    • 双指针:适用于两数之和、三数之和等问题。

    • 滑动窗口:适用于子串、子数组问题。

    • 前缀和:用于快速计算区间和。

    • 哈希表优化:用于快速查找和去重。

2. 链表

  • 高频题

    • 反转链表:将链表反转。

    • 合并两个有序链表:将两个有序链表合并为一个有序链表。

    • 链表判环(快慢指针):判断链表中是否有环。

    • 环形链表入口节点:找到链表中环的入口节点。

    • LRU缓存机制:设计一个LRU缓存。

  • 技巧

    • 虚拟头节点:简化链表操作。

    • 快慢指针:用于链表判环、找中点等。

    • 递归:适用于链表反转、合并等问题。

3. 栈与队列

  • 高频题

    • 最小栈:设计一个支持获取最小值的栈。

    • 用栈实现队列:用两个栈实现队列。

    • 有效括号:判断括号是否有效。

    • 每日温度(单调栈):找到数组中每个元素的下一个更高温度。

    • 柱状图中最大矩形:找到柱状图中的最大矩形面积。

  • 技巧

    • 单调栈:用于解决下一个更大元素、最大矩形等问题。

    • 双栈协作:用于实现队列或特殊栈。

4. 树与二叉树

  • 高频题

    • 二叉树遍历(前/中/后序):实现二叉树的遍历。

    • 层次遍历:按层次遍历二叉树。

    • 验证二叉搜索树:判断二叉树是否为二叉搜索树。

    • 二叉树最近公共祖先(LCA):找到二叉树中两个节点的最近公共祖先。

    • 二叉树的直径:找到二叉树中任意两个节点之间的最长路径。

    • 路径总和:判断二叉树中是否存在路径和等于目标值。

  • 技巧

    • 递归:适用于树的大部分问题。

    • DFS/BFS:用于遍历和搜索问题。

    • Morris遍历:优化空间复杂度。

5. 堆(优先队列)

  • 高频题

    • Top K 问题:找到数组中频率前K高的元素。

    • 数据流的中位数:实时计算数据流的中位数。

    • 合并K个有序链表:将K个有序链表合并为一个有序链表。

  • 技巧

    • 大顶堆/小顶堆:灵活使用堆解决Top K、中位数等问题。

6. 哈希表

  • 高频题

    • 字母异位词分组:将字母异位词分组。

    • 两数之和:找到数组中两数之和等于目标值的索引。

    • LRU缓存:设计一个LRU缓存。

  • 技巧

    • 哈希函数设计:优化哈希表的性能。

    • 冲突处理:解决哈希冲突。

7. 图

  • 高频题

    • 克隆图:克隆一个无向图。

    • 课程表(拓扑排序):判断课程表是否可以完成。

    • 岛屿数量(DFS/BFS):计算二维网格中的岛屿数量。

    • 最短路径(Dijkstra、BFS):找到图中两个节点的最短路径。

  • 技巧

    • 邻接表/邻接矩阵:表示图的结构。

    • 并查集(Union-Find):用于解决连通性问题。


二、算法思想类问题

1. 动态规划(DP)

  • 高频题

    • 斐波那契数列:计算第n个斐波那契数。

    • 爬楼梯:计算爬到第n阶楼梯的方法数。

    • 最长递增子序列(LIS):找到数组中最长的递增子序列。

    • 最长公共子序列(LCS):找到两个字符串的最长公共子序列。

    • 编辑距离:计算将一个字符串转换为另一个字符串的最小操作数。

    • 背包问题:解决0-1背包、完全背包等问题。

    • 打家劫舍:计算在不触发警报的情况下能偷到的最大金额。

    • 股票买卖系列:计算股票买卖的最大利润。

  • 技巧

    • 状态定义:明确状态表示的含义。

    • 转移方程优化:优化空间复杂度。

2. 回溯法

  • 高频题

    • 全排列:生成数组的所有排列。

    • 子集:生成数组的所有子集。

    • 组合总和:找到数组中所有组合等于目标值的组合。

    • N皇后:在N×N棋盘上放置N个皇后,使其互不攻击。

    • 括号生成:生成所有有效的括号组合。

  • 技巧

    • 剪枝:减少不必要的搜索。

    • 路径记录与撤销选择:记录当前路径并撤销选择。

3. 贪心算法

  • 高频题

    • 跳跃游戏:判断是否能跳到数组的最后一个位置。

    • 区间调度:找到最多不重叠的区间。

    • 分发饼干:尽可能满足更多孩子的胃口。

    • 加油站:找到可以绕环路行驶一周的加油站。

  • 技巧

    • 局部最优推导全局最优:通过局部最优解推导全局最优解。

4. 二分查找

  • 高频题

    • 搜索旋转排序数组:在旋转排序数组中搜索目标值。

    • 寻找峰值:找到数组中的峰值元素。

    • x的平方根:计算x的平方根。

    • 在排序数组中找元素的第一个/最后一个位置:找到目标值的第一个和最后一个位置。

  • 技巧

    • 边界条件处理:注意边界条件的处理。

    • 红蓝分区法:简化二分查找的实现。

5. 分治法

  • 高频题

    • 归并排序:实现归并排序。

    • 快速排序:实现快速排序。

    • 最大子序和(Kadane算法):找到数组中的最大子序和。

    • 多数元素:找到数组中出现次数超过一半的元素。

  • 技巧

    • 递归拆解问题:将问题拆解为子问题解决。

6. 双指针

  • 高频题

    • 盛最多水的容器:找到两条线,使得它们与x轴构成的容器能盛最多水。

    • 删除排序数组中的重复项:删除排序数组中的重复项。

    • 移动零:将数组中的零移动到末尾。

  • 技巧

    • 快慢指针:用于链表和数组问题。

    • 左右指针逼近:用于数组问题。


三、高级数据结构与算法

1. Trie树

  • 高频题

    • 实现Trie:实现一个Trie树。

    • 单词搜索II(DFS+Trie):在二维网格中搜索单词。

    • 前缀匹配:找到所有以某个前缀开头的单词。

2. 并查集(Union-Find)

  • 高频题

    • 朋友圈数量:计算朋友圈的数量。

    • 岛屿数量(变体):计算二维网格中的岛屿数量。

    • 冗余连接:找到图中多余的边。

3. 设计类问题

  • 高频题

    • 设计LRU缓存:设计一个LRU缓存。

    • 设计推特(时间线):设计一个推特时间线系统。

    • 设计循环队列:设计一个循环队列。

  • 技巧

    • 结合哈希表与双向链表:用于设计LRU缓存。

    • 面向对象设计:注重代码的可扩展性和可维护性。


四、其他高频问题

1. 位运算

  • 高频题

    • 位1的个数:计算一个整数的二进制表示中1的个数。

    • 汉明距离:计算两个整数的汉明距离。

    • 只出现一次的数字:找到数组中只出现一次的数字。

2. 数学与概率

  • 高频题

    • 整数反转:反转一个整数。

    • 判断质数:判断一个数是否为质数。

    • 用Rand7()实现Rand10():用Rand7()函数实现Rand10()函数。

3. 系统设计基础

  • 高频题

    • 设计短链系统:设计一个短链生成系统。

    • 设计分布式ID生成器:设计一个分布式ID生成器。

    • 设计秒杀系统:设计一个高并发的秒杀系统。

  • 技巧

    • CAP理论:理解分布式系统的CAP理论。

    • 分库分表:解决数据库性能瓶颈。

    • 缓存策略(Redis):使用缓存提高系统性能。

    • 限流熔断:防止系统过载。


五、面试准备建议

  1. 刷题策略

    • 优先掌握LeetCode Hot 100和《剑指Offer》经典题,逐步覆盖各分类。

  2. 代码规范

    • 注重边界条件、变量命名、代码可读性。

  3. 复杂度分析

    • 对时间/空间复杂度有清晰解释。

  4. 模拟面试

    • 用白板或在线工具练习,培养边写代码边讲解的习惯。

  5. 行为问题

    • 准备项目经历、团队协作案例(如STAR法则)。


📦 硬核资料赠送

>>搓这里关键字>>「C++王者」获取:

1. 《C++后端开发高频八股文》(涵盖23个核心考点)

2. 《C/C++工程师能力自测清单》(50+项技能树Checklist)

3. 【开源项目】libevent-master

4. 【开源项目】workflow-master

5. 《LeetCode 101算法精讲》(剑指Offer最优解合集)

大厂算法面试不仅考察解题能力,还关注逻辑表达问题拆解能力代码健壮性

通过系统学习和实战演练,相信大家一定能够在面试中脱颖而出!

如果你觉得这篇文章对你有帮助,欢迎点赞、收藏和分享!

C/C++学习网站

C/C++学习君羊:1021486511

相关文章:

大厂算法面试常见问题总结:高频考点与备战指南

在大厂算法面试中,数据结构与算法是必考的核心内容。 无论是校招还是社招,算法题的表现往往决定了面试的成败。 为了帮助大家更好地备战,本文总结了大厂算法面试中的高频考点,并提供了详细的备战建议,助你轻松应对面…...

【R语言】主成分分析与因子分析

一、主成分分析 主成分分析(Principal Component Analysis, PCA)是一种常用的无监督数据降维技术,广泛应用于统计学、数据科学和机器学习等领域。它通过正交化线性变换将(高维)原始数据投影到一个新的坐标系&#xff…...

解锁 AIoT 无限可能,乐鑫邀您共赴 Embedded World 2025

2025 年 3 月 11-13 日,全球规模最大的嵌入式展览会——Embedded World 2025 将在德国纽伦堡盛大开幕。作为物联网和嵌入式技术领域的领先企业,乐鑫信息科技 (688018.SH) 将展示在 AI LLM、HMI、双频 Wi-Fi 6、低功耗 MCU 和 Matter 等领域的最新技术及解…...

人工智能基础之数学基础:01高等数学基础

函数 极限 按照一定次数排列的一列数:“,“,…,"…,其中u 叫做通项。 对于数列{Un}如果当n无限增大时,其通项无限接近于一个常数A,则称该数列以A为极限或称数列收敛于A,否则称数列为发散, 极限值 左…...

【从0做项目】Java搜索引擎(8) 停用词表 正则

阿华代码,不是逆风,就是我疯 你们的点赞收藏是我前进最大的动力!! 希望本文内容能够帮助到你!! 目录 文章导读 零:项目结果展示 一:前引 二:停用词表 1:…...

线程和进程的区别

如果说一个服务器同一时刻收到了许多请求,针对每一个请求,操作系统都会产生一个进程,从而给这个请求提供一些服务 ,返回响应,如果请求处理完了,这个进程就要销毁了!如果请求很多的话&#xff0c…...

深入理解 QObject的作用

QObject 作为 Qt 库中所有对象的基类,其地位无可替代。几乎 Qt 框架内的每一个类,无论是负责构建用户界面的 QWidget,还是专注于数据处理与呈现的 QAbstractItemModel,均直接或间接继承自 QObject。这种继承体系赋予 Qt 类库高度的…...

解码 NLP:从萌芽到蓬勃的技术蜕变之旅

内容概况: 主要讲述NLP专栏的内容和NLP的发展及其在现代生活中的广泛应用。课程强调实践为主、理论为辅的学习方法,并通过多个生活场景展示了NLP技术的实际应用,如对话机器人、搜索引擎、翻译软件、电商推荐和智能客服等。 这边我就不多做自我…...

【核心算法篇十五】《深度解析DeepSeek遗传算法:让超参数调优从“玄学”变“科学”的终极指南》

引言:超参数调优的“炼丹困局”与破局之路 在机器学习的世界里,调参工程师常被戏称为"炼丹师"——面对动辄几十个超参数的复杂模型,我们就像古代术士守着炼丹炉,不断尝试各种参数组合,期待偶然炼出"仙丹"。传统网格搜索(Grid Search)需要遍历所有可…...

Python—变量、基本数据类型、类型的转换

文章目录 Python—变量、基本数据类型1 格式化输出2 号的使用3 变量的数据类型4 type() 函数的使用5 数据类型的基本介绍5.1 int 整型5.2 float 浮点类型5.3 bool 布尔类型5.4 str 字符串类型5.5 字符串驻留机制5.6 数据类型的转换(1)隐式转换&#xff…...

启明星辰规则库下载

启明星辰规则库下载 一、脚本介绍 1、背景介绍 因为项目上有启明星辰的安全设备、并且在内网无法直接连接互联网进行在线升级,必须使用离线升级模式,下载规则库升级,每月一更有点繁琐,所以写了这个b脚本,偷懒一下&a…...

uniapp 拖拽排序

1.拖拽排序 使用 sortablejs库 npm install sortablejs --save-dev <template><view id"list"><view v-for"(item, index) in list" :key"item.id" class"item">{{ item.name }}</view></view> </t…...

测试。。。

移动到中位数位置能保证总移动距离最小&#xff0c;数学知识 #include <iostream> #include <vector> #include <cmath> using namespace std;int main() {int n;string s;cin >> n >> s;vector<int> positions;// 记录所有1的位置for (…...

Java常用设计模式及其应用场景

1. 什么是设计模式&#xff1f; 设计模式是一个经过多次验证的、针对常见问题的可复用解决方案。设计模式并不是具体的代码实现&#xff0c;而是给出了如何解决问题的思路和结构。在实际开发过程中&#xff0c;设计模式有助于开发者快速找到合适的解决方案&#xff0c;从而减少…...

2000字,极简版华为数字化转型方法论

​作为国内科技行业的领军者&#xff0c;华为的成功经验为众多企业提供了宝贵的借鉴。本文将围绕准备、规划和执行三个阶段展开&#xff0c;结合华为的实践案例&#xff0c;深入剖析其数字化转型的方法论&#xff0c;希望能为您的企业数字化转型提供有益的参考。 一、数字化转型…...

Ubuntu:20.04更新cmake到更高版本

从输出信息可以看出&#xff0c;您当前的系统中已经安装了 cmake&#xff0c;但版本是 3.16.3&#xff0c;而您的项目需要 CMake 3.18 或更高版本。默认情况下&#xff0c;Ubuntu 20.04 的官方软件仓库中提供的 CMake 版本较低&#xff08;如 3.16.3&#xff09;&#xff0c;因…...

【SpringBoot教程】Spring Boot + MySQL + Druid连接池整合教程

&#x1f64b;大家好&#xff01;我是毛毛张! &#x1f308;个人首页&#xff1a; 神马都会亿点点的毛毛张 前面毛毛张介绍过HikariCP连接池&#xff0c;今天毛毛张来介绍一下Druid连接池&#xff0c;SpringBoot 2.0以上默认使用HikariCP数据源&#xff0c;但是也要学会使用…...

基于SpringBoot实现的宠物领养系统平台功能一

一、前言介绍&#xff1a; 1.1 项目摘要 宠物领养需求增加&#xff1a;随着人们生活水平的提高和对宠物养护意识的增强&#xff0c;越来越多的人选择领养宠物作为家庭的一员。这导致了宠物领养需求的显著增加。 传统领养方式存在问题&#xff1a;传统的宠物领养方式&#xf…...

【DeepSeek 学C++】std::atomic 用于线程控制,和内存强顺序一致性

std::atomic<bool> workerTerminate_{}; std::atomic<bool> workerTerminate_{}; 是一个原子布尔变量的声明&#xff0c;变量名为 workerTerminate_。这种变量通常用于多线程编程中&#xff0c;用来控制或通知工作线程的终止。使用 std::atomic 可以确保对该变量的…...

计算存储一幅大小为 1024×10241024×1024、256 灰度级的图像所需的字节数

1. 图像的基本信息 图像分辨率&#xff1a;1024102410241024&#xff0c;表示图像有 1024 行和 1024 列&#xff0c;总像素数为&#xff1a; 102410241,048,576 像素102410241,048,576 像素 灰度级&#xff1a;256 灰度级&#xff0c;表示每个像素的灰度值可以用 256 个不同的值…...

Flutter 网络请求与数据处理:从基础到单例封装

Flutter 网络请求与数据处理&#xff1a;从基础到单例封装 在 Flutter 开发中&#xff0c;网络请求是一个非常常见的需求&#xff0c;比如获取 API 数据、上传文件、处理分页加载等。为了高效地处理网络请求和数据管理&#xff0c;我们需要选择合适的工具并进行合理的封装。 …...

从开发到部署:EasyRTC嵌入式视频通话SDK如何简化实时音视频通信的集成与应用

嵌入式设备和视频综合管理平台均支持B/S架构。在B/S架构下&#xff0c;传统的视频观看方式依赖于微软的OCX控件&#xff0c;然而OCX控件的使用正面临越来越多的挑战&#xff1a; 首先&#xff0c;用户需要安装浏览器插件、调整浏览器安全级别&#xff0c;并允许ActiveX控件弹出…...

Jeesite5:Star24k,Spring Boot 3.3+Vue3实战开源项目,架构深度拆解!让企业级项目开发效率提升300的秘密武器

嗨&#xff0c;大家好&#xff0c;我是小华同学&#xff0c;关注我们获得“最新、最全、最优质”开源项目和高效工作学习方法 企业级应用开发的需求日益增长。今天&#xff0c;我们要介绍的是一个在GitHub上广受好评的开源项目——Jeesite5。这不仅是一个技术框架&#xff0c;更…...

C++(23):lambda可以省略()

C越来越多的使用了lambda&#xff0c;C23也进一步的放宽了对lambda的限制&#xff0c;这一次&#xff0c;如果lambda没有参数列表&#xff0c;那么可以直接省略掉()&#xff1a; #include <iostream> using namespace std;void func() {auto f []{cout<<"in…...

vue3之echarts柱状图-圆锥加自动轮播

vue3之echarts柱状图-圆锥加自动轮播 效果&#xff1a; 版本 "echarts": "5.4.2" 核心代码&#xff1a; <template><div ref"echartRef" class"chart"></div><svg><linearGradient v-for"(item, i…...

Qt中利用httplib调用https接口

httplib中如果要调用https接口&#xff0c;需要开启OPENSSL支持&#xff0c;经过半天坑爹得摸索&#xff0c;总结下经验。 1&#xff0c;下载 并安装Win64OpenSSL 地址如下&#xff0c;我Qt版本是5.15.2 &#xff0c;openssl选择的是 64位&#xff08;Win64OpenSSL-3_3_3.msi…...

深度学习04 数据增强、调整学习率

目录 数据增强 常用的数据增强方法 调整学习率 学习率 调整学习率 ​调整学习率的方法 有序调整 等间隔调整 多间隔调整 指数衰减 余弦退火 ​自适应调整 自定义调整 数据增强 数据增强是通过对训练数据进行各种变换&#xff08;如旋转、翻转、裁剪等&#xff09;&am…...

卷积神经网络之AlexNet经典神经网络,实现手写数字0~9识别

深度学习中较为常见的神经网络模型AlexNet&#xff0c;AlexNet 是一个采用 GPU 训练的深层 CNN&#xff0c;本质是种 LeNet 变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。 先看原理&#xff1a; AlexNet网络特点 采用 ReLU 激活函数&#xff0c;…...

建筑兔零基础自学python记录22|实战人脸识别项目——视频人脸识别(下)11

这次我们继续解读代码&#xff0c;我们主要来看下面两个部分&#xff1b; 至于人脸识别成功的要点我们在最后总结~ 具体代码学习&#xff1a; #定义人脸名称 def name():#预学习照片存放位置path M:/python/workspace/PythonProject/face/imagePaths[os.path.join(path,f) f…...

全球化趋势下中资企业出海投资及合规运营实战分享

企业全球化布局需构建“战略-架构-合规-运营”四位一体体系&#xff0c;通过灵活的投资架构、精准的税务规划、本土化运营和ESG融合&#xff0c;实现风险可控的海外扩张。核心策略包括&#xff1a; 供应链多节点布局&#xff08;至少3个国家备份产能&#xff09;&#xff1b;融…...

2025-2-19 leetcode刷题情况(二叉树)

一、226.翻转二叉树 1.题目描述 给你一棵二叉树的根节点root&#xff0c;翻转这棵二叉树&#xff0c;并返回其根节点 2.代码 3.思路 递归遍历&#xff08;DFS&#xff09;交换每个节点的左 / 右子节点&#xff0c;即可生成二叉树的镜像。 递归解析&#xff1a; 终止条件&a…...

Linux常见命令

文件和目录操作命令 cd&#xff1a;用于切换目录。例如&#xff0c;cd /home/user 可进入 /home/user 目录&#xff1b;cd.. 可返回上一级目录。ls&#xff1a;用于列出目录内容。ls 直接列出当前目录下的文件和文件夹&#xff1b;ls -l 以详细列表形式显示&#xff1b;ls -a 显…...

C++ 一篇读懂“值传递”和“地址传递”

让我们通过一个简单的、形象的比喻来帮助你理解“值传递”和“地址传递”是如何影响实参的。 1. 值传递 想象你有一个 **信封**&#xff08;代表变量&#xff09;&#xff0c;里面放着一张纸条&#xff08;代表数据&#xff09;。你决定把这个信封寄给一个朋友&#xff0c;让他…...

我用AI做数据分析之数据清洗

我用AI做数据分析之数据清洗 AI与数据分析的融合效果怎样&#xff1f; 这里描述自己在使用AI进行数据分析&#xff08;数据清洗&#xff09;过程中的几个小故事&#xff1a; 1. 变量名的翻译 有一个项目是某医生自己收集的数据&#xff0c;变量名使用的是中文&#xff0c;分…...

韩国哈希散列算法DHA-256

韩国哈希散列算法DHA-256 DHA-256是在2005年11月由NIST举行的Hash研讨会(Cryptographic Hash Workshop)上提出的。DHA-256压缩函数将长度为512比特的分组&#xff0c;压缩成长度为256比特的串&#xff0c;总共迭代64步&#xff0c;扩展的消息字在步函数中使用了两次。 DHA-25…...

【愚公系列】《Python网络爬虫从入门到精通》022-Splash的爬虫应用

标题详情作者简介愚公搬代码头衔华为云特约编辑,华为云云享专家,华为开发者专家,华为产品云测专家,CSDN博客专家,CSDN商业化专家,阿里云专家博主,阿里云签约作者,腾讯云优秀博主,腾讯云内容共创官,掘金优秀博主,亚马逊技领云博主,51CTO博客专家等。近期荣誉2022年度…...

Golang深度学习

前言 在2009年&#xff0c;Google公司发布了一种新的编程语言&#xff0c;名为Go&#xff08;或称为Golang&#xff09;&#xff0c;旨在提高编程效率、简化并发编程&#xff0c;并提供强大的标准库支持。Go语言的设计者们希望通过Go语言能够解决软件开发中的一些长期存在的问…...

React(8)

封装评论列表的Item组件 实现父传子以及子组件调用父组件方法 import { useEffect, useState } from "react"; import "./index.css"; import _ from "lodash"; import classNames from "classnames"; import axios from "axio…...

自制AirTag,支持安卓/鸿蒙/PC/Home Assistant,无需拥有iPhone

苹果的AirTag很贵&#xff0c;虽然某强北有平价代替品&#xff0c;但是仍需要苹果设备才能绑定&#xff0c;才能查看位置。不支持安卓/鸿蒙/PC&#xff0c;也不支持集成到Home Assistant中。 AirTag 的原理 每个AirTag都会发送一个蓝牙信号&#xff0c;其可以被临近的苹果设备…...

docker修改镜像默认存储路径(基于页面迁移)

文章目录 1、停止服务2、拷贝镜像3、docker界面设置路径4、重新启动服务5、重启电脑 1、停止服务 桌面底部右键打开任务管理器 停止docker服务 2、拷贝镜像 从原目录拷贝到新的目录下&#xff0c;新的目录自己定&#xff0c;如果没有权限&#xff0c;需要先对原文件添加权限…...

10. 软件设计架构-经典架构问题

文章目录 前言一、高并发场景下的系统崩溃1. 问题描述2. 解决方案&#xff1a;3. 案例分析&#xff1a;电商秒杀系统 二、单体架构到微服务的拆分陷阱1. 问题描述2. 解决方案&#xff1a;3. 案例分析&#xff1a;在线教育平台拆分 三、分布式系统中的数据一致性难题1. 问题描述…...

Qt学习(五)自定义对话框,多窗口开发---添加设计师类, MDI多窗口开发

一 对话框 实现功能&#xff1a;打开文件&#xff0c;选择目录&#xff0c;保存文件&#xff0c;选择颜色&#xff0c;选择字体&#xff0c;输入信息&#xff0c; 消息提示框 #ifndef MAINWINDOW_H #define MAINWINDOW_H#include <QMainWindow>QT_BEGIN_NAMESPACE na…...

【部署优化篇三】《DeepSeek边缘计算实战:把目标检测模型塞进树莓派,让AI在巴掌大的设备上“开天眼“》

“谁说只有超级计算机才能跑AI?今天咱们就要在树莓派上玩转DeepSeek目标检测,让这个巴掌大的小盒子变成会‘看’世界的智能终端!” 本文手把手教你从零开始,把最潮的目标检测模型塞进树莓派。全程高能预警,建议准备好你的树莓派4B/5和散热风扇,咱们这就开启边缘计算的魔法…...

深入浅出CSS复合选择器:掌控元素关系与层级选择

目录 前言 一、子代选择器&#xff08;Descendant Selector&#xff09; 1. 什么是子代选择器&#xff1f; 2. 基本语法 3. 示例 4. 注意事项 二、直接子元素选择器&#xff08;Child Selector&#xff09; 1. 什么是直接子元素选择器&#xff1f; 2. 基本语法 3. 示例…...

LLM 推理中推理-时间计算技巧

25年2月来自香港科技大学广州分校的论文“Bag of Tricks for Inference-time Computation of LLM Reasoning”。 随着大语言模型 (LLM) 的进步&#xff0c;解决复杂的推理任务越来越受到关注。推理-时间计算方法&#xff08;例如 Best-of-N、波束搜索等&#xff09;特别有价值…...

【模板】图论 最短路 (Floyd+SPFA+Dijkstra)

FloydSPFADijkstra 温故而知新&#xff0c;这三种算法都是求最短路问题常用的算法&#xff08;特别是Dijkstra) 1.Floyd &#xff08;多源最短路&#xff09; 基于动态规划思想&#xff0c;时间复杂度为 O ( N 3 ) O(N^3) O(N3) 较高。 注意点&#xff1a; 初始化距离为INF…...

vite-vue-ts使用arco-design-vue定制主题的后动态变更主题思路

定制主题的后动态变更主题思路 安装依赖与主题定制动态变更主题过程尝试修改主题色&#xff08;结果失败&#xff09;尝试修改主题色&#xff08;结果成功&#xff0c;但是hover的主题色没有变&#xff0c;未覆盖10个梯度的色值&#xff09;根据主题色实现10个梯度颜色实现10个…...

递归爬取网页测试

我们正在做基于大模型的数据分析平台。 当前需要测试ezdata的递归爬取功能&#xff0c;爬取到第几层 测试网址 https://blog.csdn.net/m0_68177611/article/details/144936089...

【论文学习】RVS-FDSC:一种基于四方向条带卷积的视网膜血管分割方法以增强特征提取

写在前面&#xff1a;本博客仅作记录学习之用&#xff0c;部分图片来自网络&#xff0c;如需引用请注明出处&#xff0c;同时如有侵犯您的权益&#xff0c;请联系删除&#xff01; 文章目录 前言论文论文内容RSC模块MSPF2 模块RPDA模块 实验效果 总结互动致谢参考往期回顾 前言…...

交友项目-交友软件简介

一、 项目背景 在线社交是互联网时代的产物&#xff0c;已成为互联网用户的基础需求之一。移动互联网自2003年起快速发展&#xff0c;促使在线社交逐渐从PC端转移至移动端。移动社交最初以熟人社交为主&#xff0c;以维系熟人关系、共享资源信息的形式存在。随着人们交友需求的…...