不定期福利第三期測一測你算法階段學(xué)習(xí)成果

| 進(jìn)入課01:25 你先不要著急看答案，自己先想怎么解決，測一測自己對之前的知識掌握的程度。如果 10（比如發(fā)布職位），來積10萬個獵頭ID和積分信息，讓它能夠支持這樣幾個操作：ID查找積分在某個區(qū)間的獵頭ID列表；查詢積分從小到大排在第x位的獵頭ID查找按照積分從小到大在第x位到第y位之間的獵頭ID列表17|Redis20|散列表（下）：25|樹：為什么工程中都用樹這種二叉樹ID按照ID，將獵頭信息組織成散列表。這樣，就可以根據(jù)ID信息快速的查找、刪除、更新獵頭的信息。按照積分，將獵頭信息組織成跳表這種數(shù)據(jù)結(jié)構(gòu)，按照積分來查找獵頭信息，就非常高效，時間復(fù)雜度是O(logn)?？梢詫倓偟奶磉M(jìn)行改造，每個索引結(jié)點中加入一個san字段，記錄這個索引結(jié)點到下一個索引結(jié)點的包含的鏈表結(jié)點的個數(shù)。這樣就可以利用跳表索引，快速計算出在某一位的獵頭或者在某個區(qū)間的獵頭列表。實際上，這些就是Redis中有序集合這種數(shù)據(jù)類型的實現(xiàn)原理。在開發(fā)中， 可以直接利用Redis的有序集合來完成。系統(tǒng)中，訂單數(shù)據(jù)一般都會很大，一般都分庫分表來。假設(shè)分了10個庫并在不同的機(jī)器上，在不引入復(fù)雜的分庫分表中間件的情況下，希望開發(fā)一個小的功能，能夠快速地查詢金額最大的前K個訂單（K是輸入?yún)?shù)，可能是1、10、、，假設(shè)最大不會超過10萬）。如果你是這個功能的設(shè)計開發(fā)，你會為了方便你設(shè)計，先交代一些必要的背景，在設(shè)計過程中，如果有其他需要明確的背景， 可以通過selectorderbylimit語句來M存，不要發(fā)生OutofMemoryError。12|排序（下）：如何用快排思想在O(n)內(nèi)查找第K29|堆的應(yīng)用：如何快速獲取到Top10最熱門的搜索 從每個數(shù)據(jù)庫中，通過electorerbylimit語句，各取局部金額最大的訂單，把取出來的10個訂單放到優(yōu)先級隊列中，取出最大值（也就是大頂堆堆頂數(shù)據(jù)），就是全局金額最大的訂單。然后再從這個全局金額最大訂單對應(yīng)的數(shù)據(jù)庫中，取出下一條訂單（按照訂單金額從大到小排列的），然后放到優(yōu)先級隊列中。一直重復(fù)上面的過程，直到找到金額前K（K是用戶輸入的）大訂單。從算法的角度看起來，這個方案非常完美，但是，從實戰(zhàn)的角度來說，這個方案并不高效，甚至很低效。因為 忽略了，數(shù)據(jù)庫數(shù)據(jù)的性能才是這個問題的性能瓶頸。所以，們要盡量減少SL請求，每次多取一些數(shù)據(jù)出來，那取出多少才合適呢？這就比較靈活、比較有技巧了。取太多，會導(dǎo)致數(shù)據(jù)量太大，SQL執(zhí)行很慢，還有可能觸發(fā)超時，而且， 題目中也說了，內(nèi)存有限，太多的數(shù)據(jù)加載到內(nèi)存中，還有可能導(dǎo)致OutofMemyError。做benark測試去找最合適的。知道，CPU的線程反而會導(dǎo)致CPU頻繁切換，處理性能下降。所以，線的大小一般都是綜合考慮 向固定大小的線中請求一個線程時，如果線中沒有空閑資源了，這個時候線如何處理這個請求？是請求還是排隊請求？各種處理策略又是怎么實現(xiàn)的呢？09|隊列：隊列等有限資源池中的應(yīng)這個問題的答案涉及隊列這種數(shù)據(jù)結(jié)構(gòu)。隊列可以應(yīng)用在任何有限資源池中，用于排隊請求，比如數(shù)據(jù)庫連接池等。實際上，對于大部分資源有限的場景，當(dāng)沒有空閑資源時，基本上都可以通過“隊列”這種數(shù)據(jù)結(jié)構(gòu)來實現(xiàn)請求排隊。 IPIP打開，在搜索框里隨便輸一個IP地址，就會看到它的歸屬地。這個功能并不復(fù)雜，它是通過一個很大的IP地址實現(xiàn)的。地址庫中包括IP地址范圍和歸屬地的對應(yīng)關(guān)系。比如，當(dāng)想要查詢202.102.133.13這個IP地址的歸屬地時，就在地址庫中搜索，發(fā)現(xiàn)這個IP地址落在[202.102.133.0,202.102.133.255]這個地址范圍內(nèi)，那就可以將這個IP地址范圍對應(yīng)的歸屬地“山東東營市”顯示給用戶1[202.102.133.0,202.102.133.255]2[202.102.135.0,202.102.136.255]3[202.102.156.34,202.102.157.255]4[202.102.48.0,202.102.48.255]5[202.102.49.15,202.102.51.251]6[202.102.56.0,202.102.56.255]IP12這樣的IP區(qū)間與歸屬地的對應(yīng)關(guān)系，如何快速定位出一個IP地址的歸屬地呢？15|二分查找（上）：16|（下）：如何快速定位IP這個問題可以用二分查找來解決，不過，普通的二分查找是不行的， 需要用到二分查的變形算法，查找最后一個小于等于某個給定值的數(shù)據(jù)。不過，二分查找最難的不是原理，而是實現(xiàn)。要實現(xiàn)一個二分查找的變形算法，并且實現(xiàn)的代碼沒有bug，可不是一件容易的事情，不信你自己寫寫試試。關(guān)于這個問題的解答以及寫出bug 現(xiàn)在希望設(shè)計一個簡單的海量系統(tǒng)，最大預(yù)期能夠1億張，一張及其它的元信息，主要的元信息有：名稱以及一組tag信息。比如圖片名稱叫玫瑰花，tag信息是{紅色，花，節(jié)}；根據(jù)搜索一張，比如是“節(jié)花”“玫瑰花避免重復(fù)相同的。這里， 不能單純地用的元信息，來比對是否是同一張，因為有可能存在名稱相同但內(nèi)容不同，或者名稱不同內(nèi)容相同的情況。（MySQL、Redis等）、分布式系統(tǒng)（GFS、Bigtable等），并且 能有限，比如硬盤只有1TB，內(nèi)存只有2GB，如何設(shè)計一個符合 21|哈希算法（上）：22|哈希算法（下）： 如題目中所說，一個會對應(yīng)一組元信息，比如玫瑰花對應(yīng){紅色，花，節(jié)}，牡丹花對應(yīng){白色，花}， 可以將這種與元信息之間的關(guān)系，倒置過來建立索引。“花”這個對應(yīng){玫瑰花，牡丹花}，“紅色”對應(yīng){玫瑰花}，“白色”對應(yīng){牡丹花}，“節(jié)”對應(yīng){玫瑰花}。 搜索“節(jié)花”的時候 找，“花”查找到了{(lán)玫瑰花，牡丹花}，“節(jié)”查找到了{(lán)玫瑰花}，兩個對應(yīng)的第二部分關(guān)于判重，要基于本身來判重，所以可以用哈希算法，對內(nèi)容取哈希值。對哈希值建立散列表，這樣就可以通過哈希值以及散列表，快速判斷是否這里只說說思路，這個問題中還有詳細(xì)的內(nèi)存和硬盤的限制。要想給出更加詳細(xì)的設(shè)計思路，還需要根據(jù)這些限制，給出一個估算。詳細(xì)的解答，都放在在哈希算法（下）那知道，散列表的查詢效率并不能籠統(tǒng)地說成是O(1)。它跟散列函數(shù)、裝載因子、散列在情況下，有些的者，還有可能通過精心構(gòu)造的數(shù)據(jù)，使得所有的數(shù)據(jù)經(jīng)過散列函數(shù)，都散列到同一個槽里。如果使用的是基于鏈表的解決方法，那這個時候，散列表就會為鏈表，查詢的時間復(fù)雜度就從O(1)急劇為O(n)。如果散列表中有10萬個數(shù)據(jù)，后的散列表查詢的效率就下降了10萬倍。更直觀1000.11詢操作消耗大量CPU或者線程資源，導(dǎo)致系統(tǒng)無法響應(yīng)其他請求，從而達(dá)到服務(wù)性能的急劇下降，并且能抵抗散列碰撞？18|散列表（上）：Word19|散列表（中）：經(jīng)常把這道題拿來作為面試題候選人。散列表可以說是 最常用的一種數(shù)據(jù)結(jié)構(gòu)了，編程語言中很多數(shù)據(jù)類型，都是用散列表來實現(xiàn)的。盡管很多人能對散列表都知道一二，知道有幾種散列表解決方案，知道散列表操作的時間復(fù)雜度，但是理論跟實踐還是有一定距離的。光知道這些基礎(chǔ)的理論并不足以開發(fā)一個工業(yè)級的散列表。 這六道題你回答得怎么樣呢？或許你還無法100%回答正確，沒關(guān)系。其實只要你看了解 通過這套題，你對自己的學(xué)習(xí)狀況應(yīng)該有了一個了解。從專欄開始到現(xiàn)在，三個月過去了，的內(nèi)容也更新了大半。你在專欄開始的時候設(shè)定的目標(biāo)是什么？現(xiàn)在實施得如何了？你可以在留言區(qū)給這三個月的學(xué)習(xí)做個階段性學(xué)習(xí)復(fù)盤 不得售賣。頁面已增加防盜追蹤，將依法其上一 38|分治算法：談一談大規(guī)模計算框架MapReduce中的分治思下一 39|回溯算法：從《蝴蝶效應(yīng)》中學(xué)習(xí)回溯算法的思

24 漁 4 哈。10個庫，取前K大的訂單，第一次從各個庫中分別取出最大的訂單，組成一個數(shù)量為10的大頂堆。另外一個數(shù)組，剛開始是空的。這時從大頂堆出堆頂元素(堆中最大空缺，大頂堆會重新平衡，堆頂元素可能會變