版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
在计算机的存储结构中，存在着局部性原理（在《【软考学习6】计算机存储结构——局部性原理、Cache、主存地址单元、磁盘存取、总线和可靠性》中有介绍）。
各种排序算法所需辅助空间 1、 所有的简单排序方法（包括：直接插入、起泡和简单选择）和堆排序的空间复杂度为O(1)；
D - 整数变换问题 Description 整数变换问题。关于整数i的变换f和g定义如下：f(i)=3i； 试设计一个算法，对于给定的2 个整数n和m，用最少的f和g变换次数将n变换为m。例如
最优合并问题 Description 给定k 个排好序的序列s1 , s2,……, sk , 用2 路合并算法将这k 个序列合并成一个序列。假设所采用的2 路合并算法合并2 个长度分别为m和n的序列需要m + n -1次比较。试设计一个算法确定合并这个序列的最优合并顺序，使所需的总比较次数最少。 为了进行比较，还需要确定合并这个序列的最差合并顺序，使所需的总比较次数最多。 对于给定的k个待合并序列，计算最多比较次数和最少比较次数合并方案。
在使用Redis时，我们一般会为Redis的缓存空间设置一个大小，不会让数据无限制地放入Redis缓存中。可以使用下面命令来设定缓存的大小，比如设置为4GB：
有N堆纸牌编号为1~N，每堆有若干张，但纸牌总数必为N的倍数。可在任一堆上取若干张移动。
要说计算机系统里，什么技术把tradeoff体现的淋漓尽致，那肯定是缓存无疑。为了协调高速部件和低速部件的速度差异，加入一个中间缓存层，是解决这种冲突最有效的方案。
上篇博客作者只介绍了两种算法 下面作者介绍另外两种算法 第一种就是最佳置换算法，这种算法只在理论成立，但是在实际操作中是无法进行操作的，他的理念就是，每次置换的时候是置换出将来最晚使用的页号，所以可以达到最大程度上的节约置换的操作 第二种就是最少使用算法，主要是通过计数每个页号在一定时间内出现的次数，然后置换出出现次数最少的那一个页号，也就相当于是出现频率的意思，这种算法要记得和最近最久未使用算法进行区别,最久未使用算法的意思是，每次置换出队列中没有被使用的时间最长的元素，这里强调的是时间的最长 详细的可以看下面的源代码：
这个可以转动的圆盘类似是一个密码机关，中间偏上的位置有个红色的指针看到没，你只要转动圆盘可以让指针指向不同的字母，然后再按下中间的按钮就可以输入指针指向的字母。
在使用Redis时，我们一般会为Redis的缓存空间设置一个大小，不会让数据无限制的放入Redis缓存。
汽车加油问题 Description 一辆汽车加满油后可行驶n公里。旅途中有若干个加油站。设计一个有效算法，指出应在哪些加油站停靠加油，使沿途加油次数最少。并证明算法能产生一个最优解。 对于给定的n和k个加油站位置，计算最少加油次数。 Input 输入数据的第一行有2 个正整数n和k（n≤5000，k≤1000），表示汽车加满油后可行驶n公里，且旅途中有k个加油站。接下来的1 行中，有k+1 个整数，表示第k个加油站与第k-1 个加油站之间的距离。第0 个加油站表示出发地，汽车已加满油。第k+1 个加油站表示目的地。 Output 将计算出的最少加油次数输出。如果无法到达目的地，则输出“No Solution!”。 Sample Input 7 7 1 2 3 4 5 1 6 6 Output 4
这一题要直接写出答案事实上感觉还是不太容易的，所幸学生的数目不会太多，最多也就100，因此，我们直接按照题目给出的排队规则来模拟一下过程就行了。
前面的文章已经介绍了什么是操作系统的虚拟内存，与本文要介绍的缓存置换算法息息相关，如果还没有看的朋友，建议先读一下上篇文章，链接是：什么是操作系统的虚拟内存？
关于第一种FIFO策略的实现，比较简单，可采用固定长度的数组和链表来处理，这里就不重点说了。今天我们的重点是LFU缓存的实现。
将程序的逻辑地址空间划分为固定大小的页(page)，而物理内存划分为同样大小的页框(pageframe)。程序加载时，可将任意一页放人内存中任意一个页框，这些页框不必连续，从而实现了离散分配。也就是把内存等分成N份，存放运行的程序时，按分成的快放置即可。但放置时要考虑主存里哪些块已经被占用，这个用主存分配表（位示图）来表示。
读完本文，你可以去力扣完成第 1312 题「让字符串成为回文串的最少插入次数」，难度 Hard。
我们在 上篇文章 聊了高楼扔鸡蛋问题，讲了一种效率不是很高，但是较为容易理解的动态规划解法。后台很多读者问如何更高效地解决这个问题，今天就谈两种思路，来优化一下这个问题，分别是二分查找优化和重新定义状态转移。
我们在 上篇 聊了高楼扔鸡蛋问题：经典算法题：高楼扔鸡蛋 讲了一种效率不是很高，但是较为容易理解的动态规划解法。后台很多读者问如何更高效地解决这个问题，今天就谈两种思路，来优化一下这个问题，分别是二分查找优化和重新定义状态转移。
负载均衡是Nginx的核心应用场景，本文将介绍官方提供的5种负载均衡算法及其实现细节。
1.题意就是给定一个函数，该函数有两种功能，一种就是将数组中的所有数同乘以2，另一种就是将数组中的某个数加1。给定一个数组nums，让你将初始值全为0的数组arr通过调用给定的函数来变成nums。问最少调用次数。
题目链接：https://leetcode-cn.com/problems/delete-operation-for-two-strings/
对括号的合法性判断多次在笔试中出现，现实中也很常见，比如说我们写的代码，编辑器会检查括号是否正确闭合。而且我们的代码可能会包含三种括号[](){}，判断起来有一点难度。
作者：Marcin Moskala 编译：ShanLIU、笪洁琼、Harry 关于编程工作有很多很不错的面试谜题。新年之际，我把压箱底儿的一道好题，同时也是传说中谷歌招聘官最喜欢问的一道题找出来了！ 今天我们来好好八一八这道题，如果你今年恰好想去谷歌面试，可以抓紧多读几遍！（绝对不会出现下图的情况，我们只放有口碑的神助攻 ） 题目如下： 你在一座100层的高楼大厦里工作，拿到了两个一模一样的鸡蛋。你得搞明白鸡蛋最高可以从几层楼扔出去还不摔坏。 请提出一个算法，能找到投掷鸡蛋却保证不摔坏的最少次数～ 我们可以
可以看到例如1-8节点同dumb节点的距离都是1，9-16节点同dumb节点的距离都是1，不满足约束。
LRU算法是最近使用最少算法（LeastRecently Used）。我们不仅考虑最近是否用过，还要考虑最近使用的频率。此处我们使用的哲学理念仍是拿过去的数据来预测将来：如果一个页面被访问的频率低，那么以后很可能也用不到。
快速排序的时间复杂度在最坏情况下是O(N2)，平均的时间复杂度是O(N*lgN)。
程序执行时会呈现出局部性规律，即在一较短的时间内，程序的执行仅局限于某个部分，相应地，所访问的存储空间也局限于某个区域。
矩阵乘法的Strassen 这个算法就是在矩阵乘法中采用分治法，能够有效的提高算法的效率。 先来看看咱们在高等代数中学的普通矩阵的乘法 两个矩阵相乘 上边这种普通求解方法的复杂度为: O(n3)
该文通过给定一个非负整数数组，假定你的初始位置为数组第一个下标，目标是到达最后一个下标，并且使用最少的跳跃次数。介绍了如何使用贪心算法进行求解，并给出了相应的代码实现。同时还介绍了如何通过动态规划进一步求解该问题，并给出了相应的链接。"
关于如何评价洗牌质量的猜想 洗牌算法是卡牌类游戏中必须使用的算法，本质上说洗牌算法的目的是使某个给定的顺序更加的无序，因此出现了很多种洗牌算法。我们不重点讨论如何洗牌，我们将眼光关注于洗出的牌是否达到我们预期的要求，以及如何衡量洗出的牌无序的程度。首先先看一个简单有效的洗牌算法。 一、一个简单的洗牌算法 一个比较容易实现的洗牌算法是这样的，通过随机选出两张牌进行交换，通过多次这样的重复操作，就能达到洗牌的目的。事实证明这种洗牌方式还是比较可行，最重要的是比较简单，代码如下。 //洗牌算法，随机交换数组的两个
虽然「Redis」有自己的过期策略来删除过期的数据（惰性删除和抽样删除）。这其中具体的删除原理本章不做详细介绍。但是也会存在Redis删不过来导致内存占满的情况。所以「Redis」使用了一些淘汰算法来处理这些来不及删除的数据。
这两种算法均常用于缓存替换策略，其目的是保证缓存的优化性能，保证缓存透明性。当缓存中的空间被填满后，缓存替换策略将选择缓存中某些单元从缓存中剔除，并将现在需要使用的单元填入缓存。缓存替换策略在执行过程中会导致一定的延迟，延迟公式如下：
在LeetCode上刷的第三题，尝试了几种方法，最后还是选择贪心，复杂度为O(n)，个人感觉有不少的收获。 该题的题目是这样的，给定一个非负整数数组，每个元素代表着在当前位置最大能跳多少步，而我们的目标是从第一个位置开始，通过最少的步数到达最后一个位置。例如，给定数组是 A = [2,3,1,1,4]，则只需两步就能到达终点（第一个位置跳1步到达第二个位置，第二个位置上跳三步到达最后一个位置）。 首先，我想着用动态规划做的，设f(n)为从n位置出发到达终点所需的最少步数，那么f(n)的表达式为 image.
哈夫曼树:其实就是一个压缩算法，类似于最优解 例子： 有一次考试成绩分为4个等级：A、B、C、D，班级有100人，其中获得A的人数为20人，获得B为40人，获得C为10人，获得D为30人。问：输入所有人的成绩，获取每个人成绩对应的等级，如何使得判断次数最少？ 伪代码：
在逛知乎时，看到这样一个问题，觉得挺不错的，将自己个人的见解分享给大家。问题是:有哪些办法可以降低 Redis 的内存使用情况？
在信息论、语言学和计算机科学中，Levenshtein distance是用于测量两个字符串之间差异的字符串度量。非正式的说就是两个单词之间的Levenshtein distance是将一个单词更改为另一个单词所需的单字符编辑（插入，删除或替换）的最小步骤。
今天要聊一个很经典的算法问题，若干层楼，若干个鸡蛋，让你算出最少的尝试次数，找到鸡蛋恰好摔不碎的那层楼。国内大厂以及谷歌脸书面试都经常考察这道题，只不过他们觉得扔鸡蛋太浪费，改成扔杯子，扔破碗什么的。
往往开始做一个项目时，不会过多的考虑性能问题，以快速迭代功能为主。后续随着业务的快速发展，系统运行的性能越来越慢，此时，就需要对系统进行相应的优化，而效果最显著的就是给系统加上缓存。
乍一看，排序算法，这不是个算法题么，将8个数排下序，脑子里最先出来的是什么冒泡，选择，插入排序......赶紧打住，我们现在在讨论电路，不要走错片场了。实际上题目限定了二输入的比较器，所以方向很明确，现在已经有二输入排序模块，我们要用这个二输入的模块搭成8输入的。那么自然也就能想到，先搭个4输入的，看有没有什么规律。现在问题简化为4输入排序，很自然就想到，先分两组，每组之间排一下：（*表示较大的输出）
要换出就需要考虑该将当前物理内存中那一部分数据换出，这就涉及到相关算法，就和进程的调度算法一样。
那些有效期到了的数据，Redis并不是真的一到期立刻就把它删了，因为删除数据相比于其他客户端命令并不那么重要，这些数据会暂留在内存中，最终根据Redis的删除策略删除
每趟从待排序的记录中选出关键字最小的记录，顺序放在已排序的记录序列末尾，直到全部排序结束为止。
◆ 前言 本文参考源码版本 redis6.2 Redis 基于内存设计，所有数据存放在内存，随着时间推移，内存占用也越来也高 ... 由于内存容量这个物理限制，我们需要在内存使用量达到一定比例后，做一些内存清理工作，以保证有足够的空间来完成正常的处理。 在 Redis 中，完成这个工作的就是本文的主角 ------- Redis 内存淘汰机制。 一定比例：在 redis 中就是 maxmemory 阈值 淘汰策略：在 redis 中目前有两种流行的算法：LRU 与 LFU 算法 如果让你来设计一款内存淘汰策
请问至少需要多少次操作才能使数列中的所有数都一样，并求出在保证最少次数的前提下，最终得到的数列有多少种。
Redis中的数据特征： Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态
有N堆纸牌，编号分别为1,2,…,N。每堆上有若干张，但纸牌总数必为N的倍数。可以在任一堆上取若干张纸牌，然后移动。
酒桌上曾经玩过这样一个小游戏，游戏规则是：主持人每次随机从 1-1000 中选择一个数字，比如是 171。只有主持人自己知道并事先写在纸条上留存，然后分别让大家来猜，能够用最少次数猜到的人获胜并拥有指定一个人罚酒的权利。
我们都知道在Redis 所有的数据结构都可以设置过期时间，时间一到，就会自动删除。想象一下里面有一个专门删除过期数据的线程，如果数据已过期就立马删除。这个时候可以思考一下，会不会因为同一时间太多的 key 过期，以至于线程忙不过来。同时因为 Redis 是单线程的，删除的时间也会占用线程的处理时间，如果删除的太过于繁忙，会不会导致线上读写指令出现卡顿。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
云直播
对象存储
