算法之时间复杂度简析 前言 最近准备对算法进行一些系统的总结和学习，不积跬步无以至千里,不积小流无以成江海.此文主要对时间复杂度进行简单梳理和个人总结，本人才疏学浅，有所疏漏在所难免，如有不当和错误之处，欢迎指正 时间复杂度的定义（Time Complexity） 时间复杂度，用简单地话描述为：为了大概估算程序运算时间的一种概量。那用什么来估算的呢？用简单的程序执行代码的次数，如int a = 3执行一次，一个n此的for循环表示执行n次等等。广义的T（n）表示在一个完全理想状态的计算机中程序所执行的实际指令次数，下面会提到的O（n）大O（Big Oh），Ω(omega)，Θ(Theta) 都是对T（n）的一个大略估算抽象而来，这里先说明一下个人理解的精确度大小为：T(n)>Θ(Theta)...阅读全文
前言 最近回溯算法，对以往算法和新学习算法进行一个系统的整理和学习，本文的最大子序列和的问题在很多算法书籍和技术文章中对此都有详述，个人简单整理仅为了再次消化和日后查阅，不喜误喷。个人理解，如有错误，欢迎指正。 注：本文中提及的时间复杂度均使用大O法。 问题描述 求-2,4,-1,5,6的最大子序列和 注：如果所有值都为负，则最大子序列和为0 方案一 思路：使用穷举的方式，使用for循环列出所有的子序列进行求和，每次进行对比并把大的数赋值给最大子序列和变量，总共使用三个for循环 注：i循环为从-2到6（头到尾），j循环为i到此序列size，k为计算此时i到此时j的子序列和 源码如下： //穷举遍历法 三个for循环时间复杂度为n*n*n 十分低效 public static int max...阅读全文
运行时间中的对数 前一篇文章中分治递归的时间复杂度为O（nlogn）;对数最常出现的规律可概括为如下一般规律： 如果一个算法用常数时间O（1）将问题的大小削减为其的一部分（通常是二分之一），那么该算法就是O（logn）.另一方面，如果一个算法用常数时间O（1）将问题的大小消减一个常数数量（如将问题减少1等等），那么这种sauna就是O（n）的。 折半查找简单引论问题 求x在数组T[]中的坐标，如果不存在x，则返回-1 方案一 思路：直接穷举，进行遍历，时间复杂度O（n），线性增长 代码： public static
前言 本文只作一些概念性说明，后续会整理每种排序算法的具体实现。个人知识和能力有限，搜集整理和理解可能不到位，如有错误，欢迎指正 插入排序原理 跑n-1趟，对于p=1到N-1趟，插入排序保证从位置0到位置p（数组也是从0开始计算）的数据是有序的，从后面每次拿一个数组往前面插，找到有序的位置（如此时51为被插入数，则在34到64之间）。需要使用两次for循环，时间复杂度为O（n^2） 希尔排序原理（缩减增量排序） 简单粗暴 计算效率取决于选择的缩减增量序列，只要序列最后最小的为1，任何增量序列都是可行的。最坏时间复杂度为n^2，而使用2^k-1的Hibbard增量序列的最坏运行事件为N^1.5 堆（优先队列）排序原理 堆分为大根堆和小根堆，是完全二叉树。大根堆的要求是每个节点的值都不大于其父节...阅读全文
前言：企业在划分项目时，可按照项目的复杂程度、管理范围等将项目分为三个级别，分别是企业级、部门级和小组级（与目标划分原则相同），然后将每一级的目标与项目对应起来。我们知道，企业制定的目标（OKR），一个目标（O）会有多个关键结果（KR），关键结果是衡量目标完成与否的标准，因此，每个项目的目标对应的应该是目标中的关键结果，当然，目标及关键结果的复杂程度不同，所以一个关键结果可能会对应多个项目。,其中N是树中节点的总数，这样的时间复杂度意味着如果要展示1000个节点，就要执...阅读全文
 OpenGL没有提供着色器编译器，而是由显卡驱动来完成着色器的编译工作，也就是说，只要显卡驱动支持对GLSL的编译它就能运行，所以能够跨平台。而DirectX是由微软控制着色器的编译，就算用了不同的硬件，同一个着色器的编译也是一样，所以支持的平台只有微软自己的产品。 GPU全称是GraphicProcessing Unit－－图形处理器，其最大的作用就是进行各种绘制计算机图形所需的运算，包括顶点设置、光影、像素操作等。GPU实际上是一组图形函数的集合，而这些函数有硬件实现，只要用于3D游戏中物体移动时的坐标转换及光源处理。...阅读全文
国内外AI大模型层出不穷，训练数据复杂程度更是呈指数级增加。如今，在万亿级参数时代，单个资源池已无法满足大模型训练场景中动辄PB级的数据存储量，对于企业来说，启用多个资源池构成的分布式存储势在必行。为了应对AI大模型训练对数据存储的需求，天翼云推出并行文件服务HPFS（CT-HPFS，High Performance File Storage），旨在为AI时代提供高性能存储底座，助力企业构建基于云资源的、更高效的大型模型训练平台，实现大模型的连续训练。天翼云HPFS可通过分布式存储实现数据的并发读取，同时提供最高百万IOPS和百GBPS的吞吐能力，显著提升了数据的读取速度，从而大大提升GPU卡的利用率，为提升HPC和AI等场景的训练效率赋能。天翼云HPFS为AI场景的数据训练提供高并发、低...阅读全文
零、前言最近在调研NoSQL数据库，发现RocksDB、LevelDB、HBase以及Prometheus等，其底层的存储引擎都是基于LSM树，于是决定花时间彻底吃透LSM树这一数据结构。不幸的是，在查阅资料学习的过程中，发现网上各种文章汗牛充栋、抄来抄去，不是文不对题就是不知所云。一气之下决定自己写一篇出来消消气，便有了这篇文章。。。PS：学了这么多数据结构，LSMTree应该是最年轻的一个，它在1996年被设计出来(属老鼠的)，年纪比我还小~相比于B/B+树或者倒排索引，LSMTree采用了“疯狂到不顾一切”的干啥都磁盘顺序写的方案，赋予了它无与伦比的写吞吐量。一、LSM树数据结构定义查阅了一些资料，LSM树并没有一种固定死的实现方式，更多的是一种将：“磁盘顺序写” + “多个树(状数据...阅读全文
本文分享自天翼云开发者社区《双栈网络使用什么技术实现总部网络能访问分部网络？》，作者：SD万为了实现总部和分部之间的IPv4和IPv6互访，可以使用以下隧道技术：1、IPv4隧道技术：可以使用GRE（Generic Routing Encapsulation）隧道技术，在IPv4网络中隧道传输IPv6数据包。在总部和分部之间分别配置一个GRE隧道接口，并将IPv6数据包封装在IPv4数据包中进行传输。配置完成后，总部的IPv4地址就可以访问分部的IPv4地址。2、IPv6隧道技术：可以使用6to4、Teredo等IPv6隧道技术，在IPv4网络中隧道传输IPv6数据包。在总部和分部之间分别配置一个6to4或Teredo隧道接口，并将IPv4数据包封装在IPv6数据包中进行传输。配置完成后，总...阅读全文
