- 博客(32)
- 收藏
- 关注
RSS订阅原创 数据结构与算法-算法-三数之和
本文介绍了LeetCode第15题"三数之和"的解法。题目要求找出数组中所有不重复的三元组，使其和为0。核心解法是：先排序数组，然后固定一个数，将问题转化为两数之和，使用双指针法寻找解。代码示例展示了递归实现，通过dfs2函数处理三数之和，twoSum2函数处理两数之和。解题过程中需注意去重和边界条件。文章还提供了视频讲解链接，建议参考黑马程序员的详细讲解。该题比两数之和更为复杂，是需要重点掌握的中等难度算法题。
2025-08-23 10:14:13
396
原创 数据结构与算法-算法-盛最多水的容器
【摘要】B站视频《进阶数据结构和算法-334-盛水最多容器-Leetcode11》讲解了力扣第11题。该题要求找到两条垂线，使其与x轴构成的容器能盛最多水。解题关键是使用双指针法，从数组两端向中间移动，每次计算当前容器的水量（距离×较小高度），并移动较小高度的指针以寻找更大值。视频提供了Java代码示例，解释了为何要从两边开始而非单边，并通过实例[1,8,6,2,5,4,8,3,7]演示最大水量49的计算过程。这道题考察双指针技巧，是算法学习的重要内容。
2025-08-22 10:25:31
644
原创 数据结构与算法-算法-283移动零
该题目要求原地将数组中的零移动到末尾，保持非零元素顺序。解题关键在于双指针技巧：指针i标记已处理非零元素边界，指针j遍历数组寻找非零元素。当nums[j]非零时，与nums[i]交换并使i前进。该方法仅需一次遍历（O(n)时间复杂度），无额外空间消耗（O(1)空间复杂度），高效实现零元素后移。示例代码展示了双指针交换的核心逻辑，通过逐步扩大非零区间完成排序。
2025-08-22 09:53:42
176
原创 深入浅出的 RocketMQ-面试题解析
摘要：本文讨论了RocketMQ中的几个关键问题：1）订阅关系一致性，强调消费者组内订阅内容需一致以避免消息丢失；2）Broker集群搭建方式，对比单主、多主、主从同步/异步及Dledger架构的优缺点；3）消息可靠性机制，包括生产者重试、Broker持久化和消费者确认；4）消息重复问题及业务ID幂等解决方案；5）消息堆积场景分析，提出环境区分处理和线程池拒绝策略等应对方案。最后以敏感信息审核为例说明实际业务中的异步编排应用。
2025-08-15 20:53:35
664
原创 深入浅出的 RocketMQ-顺序消费，消息过滤
顺序消费与消息过滤机制解析 顺序消费分为全局顺序和分区顺序两种实现方式，其中分区顺序通过消息ID取模确定队列，既保证顺序又兼顾性能。消费者端通过三把锁机制（分布式锁、synchronized锁、ReentrantLock锁）确保单线程消费并防止重平衡干扰。消息过滤主要在Broker端完成，分为tag和SQL两种方式：tag过滤通过hash快速比对但可能存在碰撞，需二次验证；SQL过滤精准但性能较差。实际应用中，tag过滤能满足大部分场景需求，在性能和准确性间取得较好平衡。
2025-08-13 10:38:27
579
原创 深入浅出的 RocketMQ-消息消费
消息消费主要有推送和拉取两种模式。推送模式实时性强但Broker压力大，需要维护消费者状态；拉取模式减轻Broker负担但存在消息延迟问题。RocketMQ采用拉取+长轮询的混合机制，既降低Broker负载又减少延迟。系统通过NameSrv管理Broker信息，消费者启动时先获取Topic对应的Broker地址。重平衡机制用于动态调整消费者负载，而NameSrv集群通过心跳检测Broker状态。这些设计在保证消息可靠传递的同时，兼顾了系统性能和实时性需求。
2025-08-12 10:17:34
281
原创 深入浅出的 RocketMQ-每天一点点
摘要：本文讨论了MQ系统中的两个核心问题：消息消费盲区和消息存储机制。针对消费盲区问题，指出关键在于协调分区与消费者数量关系，避免消费者数量超过分区导致盲区。在存储方面，分析了采用文件存储(日志)方案的优势，包括可靠性、顺序写入优化，以及通过索引文件和偏移量管理实现高效查询。同时探讨了存储优化策略，如在messageQueue中保存消息长度以避免随机IO。这两个问题的解决方案共同构成了MQ系统高并发处理能力和数据可靠性的基础。
2025-08-10 15:57:03
295
原创 数据结构与算法-算法-最常见的单词
题目要求找出字符串段落中出现频率最高的非禁用词。解决思路是：1)将段落转为小写并拆分成单词数组；2)使用哈希集合存储禁用词；3)遍历单词数组，统计非禁用词频率到哈希表；4)找出频率最高的单词。关键在于处理大小写不敏感、忽略标点和过滤禁用词。Java实现时需注意使用toLowerCase()统一大小写，正则表达式"[^a-z]+"分割单词，以及利用stream的max()方法查找最高频词。代码示例展示了如何通过Set.of()、HashMap和Stream API高效解决问题。
2025-06-26 09:45:20
1409
原创 数据结构与算法-算法-字符串中的第一个唯一字符
《字符串中的第一个唯一字符问题解析》 摘要： 该问题要求找出字符串中第一个不重复的字符并返回其索引。解决方法采用计数排序思想：1)使用长度为26的数组统计每个小写字母出现频率；2)再次遍历字符串，找到第一个频率为1的字符。算法时间复杂度为O(n)，空间复杂度O(1)。示例代码通过两次遍历实现，第一次统计频率，第二次查找首个唯一字符。该解法适用于包含小写字母的字符串，是哈希表思想的简化应用。
2025-06-26 09:17:57
376
原创 SpringAI+RAG 上手教程
在 springAI 中要使用 RAG 我们要先准备一些文档，当然文档的要求是具有“很高的结构化”，意思就是像 ai 一点就可以。在这里咱们使用 markdowm 格式的文件（当然我用的是鱼皮的文档，大家可以自己让ai 写一个）
2025-06-26 08:30:15
391
原创 springAI ：ai-agent的学习日记：RAG 基础知识
所谓了 RAG（检索增强生成） 就是将我们的知识库，提前向量化，存储到向量数据库中，在我们用户进行提问的时候，可以通过用户的提示词进行数据检索，相关检索。让后将搜索到的相关知识，封装成“提示词”。对的就是提示词，然后一起发送给 ai 让 ai 进行相关性回答，来实现额外知识的能力。
2025-06-23 21:16:05
289
原创 springAI ：ai-agent的学习日记：自定义 advisor
*** 自定义日志 Advisor* 打印 info 级别日志、只输出单次用户提示词和 AI 回复的文本*/@Slf4j//你的内容其实就是在初始化客户端的时候加进去就行。// 自定义日志 Advisor，可按需开启.build();
2025-06-22 14:52:41
299
原创 springAI ：ai-agent的学习日记：springAI 初体验
测试是针对 springAI-alibaba名词解释：chatClient：就类似于我们使用的高效自定义的 ai 客户端，可以配合 advisors（顾问）实现上下文存储方式。同时得益于高效的自定义能力，我们也能内嵌自己的系统提示词等。advisors：是一个常用的ai 访问顾问。当然通俗了来说就是一个拦截器，实现了循环增强的能力。不仅能“前置”去检测提示词的合规性，也能“后置”去记录一个信息，比如，token 的使用量等等。
2025-06-22 13:50:38
196
原创 数据结构与算法-算法-存在重复元素
这个题总体不难，关键点就是要知道，set 的去重特性，同时如果插入不进去，他会返回一个布尔值。当然，暴利循环也可以
2025-06-21 16:03:57
311
原创 数据结构与算法-算法-字母异位词分组
这个题目的突破点就是，异位词（String）转为 char 数组之后被 sort 排序的结果相同，将相同的结构当做 key，不同的样本当做 value，遇到排序后 map中存在，就是有相同样本，直接插入 list 集合即可。
2025-06-21 15:54:49
1299
原创 数据结构与算法-算法-无重复最长子串
这个题还是很经典的，不管是力扣还是codetop，都是很火，考的频率很多的一个题。首先，这给题利用了一个简单的滑动窗口思想，【begin，end）（因为 end 从 0 开始，所以+1 就能包围）在 map 中存储的 key就是字符，value 就是字符对应的位置下标，滑动窗口遇到新的就会更新 value。
2025-06-16 10:59:59
391
原创 数据结构与算法-算法-罗马数字转换整数
这道题呢最初的想法是利用 map只存储简单的内容，但是涉及一些复杂的计算，反而不好操作。然后去匹配两个字符，或者一个字符。所以，索性将能提前定好的都定好。13. 罗马数字转整数。
2025-06-15 15:04:02
319
原创 数据结构与算法-数据结构-堆
堆是一种完全二叉树堆序性：每个节点的值必须满足与子节点的大小关系。大顶堆：父节点 ≥ 子节点（堆顶最大）小顶堆：父节点 ≤ 子节点（堆顶最小）完全性：除最后一层外，其他层必须填满，且最后一层节点靠左排列。。
2025-06-15 14:15:48
406
原创 数据结构与算法-算法-合并多个有序链表
针对关键的合并核心来说，和上一节的（合并两个有序链表）是一样的。这个题就是上一个的扩展，核心思想就是利用一种的思路。
2025-06-14 21:09:02
137
原创 数据结构与算法-算法-合并两个有序链表
简单的思路就是利用双指针（类似思想）、一个容器链表。每次循环都检测两个指针的大小，小的那个指针将数据放到容器中，链表后移。边界情况：在边界情况下，会出现连个数组长度不统一，所以循环的结束条件就是双指针有一个为空。然后将没有为空的数组剩下的样本数据，排序直接放入容器链表。
2025-06-14 20:50:53
122
原创 数据结构与算法-排序-计数排序
所谓的计数排序，就是利用一个频率数组，存储样本数据中，对应数据出现的频率，然后将频率，按照（频率数组）的下标存储。这样我们只要顺序读取频率数组，输出频率对应的下标就可以。（样本中的数据，就是频率数组中的下标。频率数组中的值就是样本数据出现的频率。1.每个非零的频率输出一次，我们就能实现原始样本的去从。2.每个非零的频率多次输出，就能实现不去重排序。
2025-06-14 13:43:09
182
1
原创 数据结构与算法-排序-快速排序
快速排序是一种高效的比较排序算法，通过分区递归实现排序。文中介绍了两种分区方法：单边循环（Lomuto分区）选择最右侧为基准点，i和j从左向右遍历交换；双边循环（Hoare分区）选择最左侧为基准点，i从左、j从右双向遍历交换。两种方法最终都将基准点置于正确位置并返回其索引。为优化性能，建议随机选择基准点以避免最坏情况。文章还提供了两种分区的Java代码实现示例。
2025-06-14 11:17:49
139
原创 数据结构与算法-排序-归并排序
摘要：归并排序采用分治思想，将数组递归拆分为最小单元后合并。核心步骤包括：1)分-从中间切分数组；2)治-处理单个元素为有序；3)合-合并两个有序数组。代码实现中，merge方法处理有序数组合并，split方法进行递归拆分，最终通过System.arraycopy完成数据复制。该算法时间复杂度为O(nlogn)，是稳定的排序方法。示例演示了对数组[9,3,7,2,8,5,1,4]的排序过程。
2025-06-10 15:27:22
116
原创 数据结构与算法-排序-希尔排序
摘要：Shell排序通过逐渐缩小的间隔(gap)对数组进行分组插入排序。代码实现中，初始gap设为数组长度的一半，每次循环gap减半，直至为1。在每个gap值下，从gap位置开始遍历数组，将当前元素与同组前驱元素比较并插入正确位置。该方法通过粗到细的排序策略提升效率，最终完成整个数组的排序。示例展示了如何使用该算法对数组{9,3,7,2,5,8,1,4}进行排序。
2025-06-10 15:22:25
172
原创 数据结构与算法 -排序-冒泡算法
摘要：冒泡排序通过双层循环两两比较相邻元素，将最大值逐步交换到数组末尾。本代码实现优化版冒泡排序，改进点包括：1)使用变量x记录每轮最后交换位置，动态调整下一轮比较边界；2)当x为0时提前终止循环。该方法减少了不必要的比较次数，时间复杂度最坏O(n²)，最好O(n)。示例演示了对数组[6,5,4,3,2,1]的排序过程，注释说明算法核心是逆序交换与边界优化。
2025-06-10 11:07:24
233
原创 数据结构与算法-排序
Java排序算法选择需根据数据特征动态调整，没有绝对最优解。Arrays.sort实现考虑了多种排序算法的优势：冒泡、选择排序适合小数据量；插入排序对近乎有序数据高效；希尔排序通过gap序列优化；归并排序稳定但需额外空间；快速排序平均性能好但需注意枢轴选择。堆排序需先理解堆结构。不同算法在时间复杂度、空间复杂度、稳定性上各有特点，需结合数据分布和规模选择。实际应用中常采用混合策略，如快速排序与插入排序结合，以平衡各种场景下的性能表现。
2025-06-10 10:52:50
264
原创 uni-app:Uncaught TypeError: Cannot read property ‘createElement‘ of undefined移动端调试基座白屏报错问题
解决方法也很简答，就是删除DOM，当你找不到，或者就没写过DOM的时候不妨看看，是不是引入的web端的依赖包，导致进行了DOM加载。解决办法以及思路：，开启uniapp的真机调试，一个一个删除你项目的页面，删到那里哪里不报错，就说明问题找到了。产生的原因很简单，就是app端有意无意的引入了DOM。ps:不要随便给页面导入js依赖包。
2024-07-05 14:28:12
629
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人