算法——滑动窗口

滑动窗口大致分为两类：一类是窗口长度固定的，即left和right可以一起移动；另一种是窗口的长度变化（例如前五道题），即right疯狂移动，left没怎么动，这类题需要观察单调性(即指针)等各方面因素综合思考

长度最小的子数组

长度最小的子数组

题目解析

  • 子数组需要为连续的区间
  • 需要在满足条件的前提下长度最短

算法原理

  1. 暴力解法：暴力枚举出所有子数组的和

    1. 枚举子数组左右区间，枚举子数组时间复杂度为O（n2）,遍历求和是O（n）。所以时间复杂度是O(n3)image.png

    2. 在都为大于0的数的情况下，加的数越多，和越大，所以这里牵扯到了单调性。

      1. 先固定一个left左区间，用一个sum统计以left为左区间所有数的和，即让right开始移动，此时相比于暴力解法剩去了一趟遍历，此时优化成O（n2）image.png

      2. 当right移动到2时，sum此时已经大于target,说明已经找到了复合的子数组，此时记录长度，并让right继续移动，继续枚举直至全部枚举完image.png

但随着right向后移动，虽然sum可以一直增长满足条件，但是len已经在不断增长，不符合题意，所以right在移动到2的时候就可以停下来了

  3. **之后left继续移动到下一个数字3，此时我们会让right重新回到3的位置，但此时我们发现，在left处于2时，随着right的移动图示中红框的部分我们其实已经知道了，即用当时所求的sum减2即8-2=6即可，这样也剩去了接下来的遍历枚举，并且right也不需要回到原来的位置。**![image.png](https://cdn.nlark.com/yuque/0/2023/png/29339358/1701163390629-a702e58c-ea0e-4106-bcd3-34a573227d5f.png#averageHue=%23fefefe&clientId=ub4e97224-715f-4&from=paste&height=410&id=uce25b86b&originHeight=512&originWidth=582&originalType=binary&ratio=1.25&rotation=0&showTitle=false&size=62156&status=done&style=none&taskId=u1ffc1c3d-5bce-4e4c-9caf-6d75274133d&title=&width=465.6)<br />
  1. 优化——利用单调性，使用”同向双指针“进行优化（同向双指针又叫做滑动窗口）

滑动窗口一般是用来维护信息，即本题中我们通过[left,right]这个区间维护这个区间的sum。当做题用暴力解法时发现两个指针同向移动不回退时，可以用滑动窗口。

  1. 初始化窗口，先定义两个指针left，right让其充当窗口的左端点右端点image.png

  2. 进窗口

    1. 初始化完之后，right进入窗口，sum开始更新为2，然后开始做判断

  3. 判断是否出窗口

    1. 让sum与target作比较，如果sum<target，不出窗口（先让right移动到合适的位置，即使sum>target）。让数字继续进窗口，即让3继续进，更新sum，再与target进行比较。直至right移动到2时，sum>target，此时找到了区间，更新结果len，令len=4.更新完之后出窗口，即left右移。left移动到3时，判断发现sum<target，此时继续进窗口，即right右移。如此循环

（b，c一直循环）image.png
image.png

更新结果这一步，需要结合实际题目具体分析，有时候需要进窗口的时候更新结果，有的时候需要出窗口时更新结果，此题出窗口前更新结果。

滑动窗口的正确性：利用单调性，规避掉了很多没有必要的枚举

时间复杂度：从代码角度看，好像是两层循环嵌套，时间复杂度似乎也是O(n2)，但是实际情况我们对窗口进行操作时，left、right每次只移动了一步（即我们的两个指针不回退），最多两个一共移动n+n次，即时间复杂度为O(n)

代码实现

class Solution {
public:int minSubArrayLen(int target, vector<int>& nums){int n=nums.size(),sum=0,len=INT_MAX;//因为len最终是要取最小值的，如果初始化为0，会影响。for(int left = 0,right = 0;right<n;right++){sum += nums[right];   //进窗口while(sum >= target)  //判断{len = min(len,right-left+1);sum -= nums[left];   //出窗口left++;}}return len == INT_MAX?0:len; //如果测试用例没有结果，就返回0}
};

无重复字符的最长字串

无重复字符的最长子串

题目解析

  • 子串和子数组都是连续的一串

算法原理

  1. 暴力枚举+哈希表（判断字符是否重复出现）开始遍历使，将每个字母都存入哈希表里，开始移动并记录长度，对比表里是否有重复的字母。时间复杂度O（n2）image.png

    • 优化，当left在d位置时，开始遍历，right移动到a（三角形位置）时，记录长度，此时left再移动时，跳过与三角形位置相同的字母时，再让right开始移动。（这样right也不用回退，可以省去大量重复且无用的枚举）

image.png

  1. 滑动窗口( 时间复杂度O(n),空间复杂度O(1) )
    1. 初始化窗口，定义两个指针，充当窗口的两个端点
    2. 进窗口，让字符进入哈希表
    3. 判断，出窗口：当窗口内出现重复字符时，left移动,当left跳过与right相同字母的位置时，将哈希表中与right重复的字母删除，将字母频次变为1。

image.png

代码实现

class Solution {
public:int lengthOfLongestSubstring(string s) {int hash[128] = {0}; //用数组模拟哈希表int left = 0,right = 0,n=s.size();int ret = 0;while(right<n){hash[s[right]]++;  //进入窗口while(hash[s[right]] > 1) //判断{hash[s[left++]]--;  //出窗口,哈希表--，然后移动left， ++}ret = max(ret,right-left+1); //判断right++; //让下一个元素进入窗口}return ret;}
};

最大连续1的个数

最大连续1的个数

题目解析

题目中翻转指的是可以把0变为1。
转化：找出最长的子数组，0的个数不超过k个

算法原理

  1. 暴力枚举+zero计数器
    1. 固定一个起点，向后枚举出所有子数组，找出符合条件的子数组（即0的个数不超过k），比较长度

  1. 开始优化——滑动窗口
    1. 固定left为第一个位置，移动right,当数字是1时，忽略1，如果是0，计数。当zero统计的数字大于k时right不动。移动left，当left越过一个0，在开始继续移动rightimage.png
  2. 滑动窗口三步走
    1. 初始化窗口
    2. 进窗口：向右移动right，碰到1无视，碰到0计数器+1
    3. 出窗口&判断：zero>k，不合法，出窗口（left移动，遇到1无视，遇到0，计数器-1，直至zero<k时更新结果）

image.png

代码实现

class Solution {
public:int longestOnes(vector<int>& nums, int k) {int ret = 0;for( int left = 0,right = 0,zero = 0;right < nums.size(); right++) {if(nums[right] == 0) zero++; //进窗口while(zero > k) //判断if(nums[left++] == 0) zero--; //出窗口ret = max(ret,right-left+1); //更新结果}return ret;}
};

将x减到0的最小操作数

将x减到0的最小操作数

题目解析

  • 题目中给的数组所有的元素都是大于1的，如果有的数小于等于1，单调性不存在，是无法使用滑动窗口的
  • 每次从数组最左边或者最右边删掉一个数，删完之后在新的数组中进行后续操作

image.png

算法原理

  • 正难则反，正常情况下是在左边选一个区间，右边选一个区间，让这两个区间的和等于x，就可以满足。但是正面作战不利，我们可以反过来，在中间部分找一个连续的区间，使他们和为sum-x也行。(这里的sum是整个数组的和)。
  • 题目还要求操作次数最短，即找的两边的区间长度需要最短，那换言之就是使中间的区间长度最长即可。

image.png

  1. 暴力枚举：固定left和right，用sum标记[left,right]所指的这段区域的和，判断sum和target之间的关系，如果sum<target,right++;直至right移动到使sum>target的位置，right不动，开始移动left。

  2. 滑动窗口

    1. 初始化窗口。
    2. 进窗口：sum±nums[right]。
    3. 出窗口&判断：sum>target, 出窗口sum-=nums[left]； left++; 然后判断出窗口如此循环，直至sum==target，更新结果。
    4. 更新的结果只是子数组的长度len，不要忘记n-len才是我们最终想要求的结果。

image.png

代码实现

class Solution {
public:int minOperations(vector<int>& nums, int x) {int sum = 0;for(int a:nums) sum += a;int target = sum-x;//细节问题：如果有小于0的元素，单调性不存在if(target < 0) return -1;int ret = -1;    //防止有小于0的元素for(int left = 0,right = 0,temp = 0;right < nums.size();right++) //temp代替sum{temp+=nums[right]; //进窗口while(temp > target ) //判断temp -= nums[left++]; //出窗口if(temp == target)ret = max(ret,right-left+1);   }if(ret == -1) return ret;else return nums.size()-ret;}
};

水果成篮

水果成篮

题目解析

  • 只能装两种水果
  • 可以从任意位置开始，但是必须每一棵数上都要采摘
  • 所摘的水果需要和当前篮子中的水果一致，采摘完之后向右移动
  • 如果这棵树和篮子中的水果不一致，要立即停止采摘

转化：找出一个最长的子数组，且子数组中的水果种类不能超过两种

算法原理

  1. 暴力枚举+哈希表：把所有子数组都找出来，哈希表统计种类。image.png

    1. 固定left，开始让right向右移动，统计kind，当kind大于2的时候，让right停下来，此时思考right是否需要回退（如图所示情况，不需要回退）right可以随着left++后跟着右移。这时可以使用滑动窗口

image.png

  1. 滑动窗口
    1. 初始化窗口：left = 0；right = 0；
    2. 进窗口：将right所指的元素放进哈希表里，hash[fruit[right]]++
    3. 出窗口&判断:判断条件hash.length>2 left右移,但此时如果我们哈希表里只存储种类的话，left移动到哪里才能停下来呢？所以哈希表里还要再存储一个数量，当这个数字对应的数量为0时，把它erase掉。

image.png

代码实现

class Solution {
public:int totalFruit(vector<int>& fruits) {unordered_map<int,int>hash; //统计窗口内出现的水果数量int ret = 0;for(int left = 0,right = 0;right<fruits.size();right++){hash[fruits[right]]++;  //进窗口while(hash.size() > 2){//出窗口hash[fruits[left]]--; //left位置对应的水果数量--if(hash[fruits[left]] == 0)hash.erase(fruits[left]);left++; }ret = max(ret,right-left+1);}return ret;}
};

这里因为我们频繁的向哈希表中插入数据，所以时间复杂度不是很好。观察题目要求的数据后（数据范围有限），我们可以用数组模拟哈希表。
image.pngimage.png

class Solution
{public:int totalFruit(vector<int>& f){int hash[100001] = { 0 }; // 统计窗⼝内出现了多少种⽔果int ret = 0;for(int left = 0, right = 0, kinds = 0; right < f.size(); right++)  {if(hash[f[right]] == 0) kinds++; // 维护⽔果的种类hash[f[right]]++; // 进窗⼝while(kinds > 2) // 判断{// 出窗⼝hash[f[left]]--;if(hash[f[left]] == 0) kinds--;left++;}ret = max(ret, right - left + 1);}return ret;}
};

image.png

找到字符串中所有字母的异位词（固定滑动窗口）

找到字符串中所有字母的异位词

题目解析

  • 异位词指相同字母重新组合排列产生的新字符串

  • 返回这些子串的起始位置

    image.png

算法原理

  1. 如何快速判断两个字符串是异位词
    1. 分别给两个字符串排序，检查两个是否相等。但是时间复杂度是O（nlogn+n）
    2. 用哈希表：分别遍历记录字符串字母对应位置出现的次数 image.png
  2. 暴力解法：固定不同的位置依次放入哈希表遍历，将结果与p进行比较，如果相等返回起始位置

image.png

  1. 滑动窗口：我们发现，在我们进行第二次开始将子串放入哈希表时，中间部分“ba”是一样的，只有c和e不同，所以我们第二次遍历时只需要将c删掉换成e即可，以此类推。即left和right一起移动
    1. 初始化窗口：left = 0；right = 0；
    2. 进窗口：
    3. 判断&出窗口：这里判断条件当right右移之后，我们的窗口变大了，为了保持和p的len一致，我们只需要让left移动一步即可，这样也就让窗口整体移动了。此时出窗口只需要出一次，不需要再和之前的题一样循环判断
    4. 更新结果：仅需判断hash1和hash2是否一样就行。因为窗口小的话是一定不会符合题意的，所以这时候不需要更新结果，只需要在窗口大小一致的时候检查更新结果即可

这里也可以利用数组模拟哈希表，因为题目中说都是小写字母，那么我们可以设置一个大小为26的数组，在数组为0的位置放a，为1的位置放b…让里面存储的值表示出现的次数，这样我们在判断hash1和hash2时只需要比较26次。这里的时间复杂度为O（n）

image.png

  1. 优化更新结果的条件：利用count统计窗口里有效字符的个数

    1. 进窗口维护：当right进入窗口，统计第一个字符为c，此时记录c的次数为1，P中的c也出现了一次，（当窗口中的c出现次数小于等于P中，此时能相互匹配，这时c为有效字符），令count++，right移动下一个位置c，这时c出现了两次，但是P中只出现了一次，即不是有效字符，count不变，right继续往下移动到a…此时count等于3（P的长度），则此时窗口中全是字母的异位词，返回left的位置即可。image.png

    2. 出窗口维护：当窗口大于P的长度时，需要移动left即出窗口删掉字符，left移动到第二个c之前我们可以观察此时窗口中c的次数为2大于P中的，即为无效字符，所以count不需要变化。left移动到第二个c之后，c变为一次，此时是P的异位词，输出起始位置。同理left移动到字符b时（此时c仅一次，小于等于P），c为有效字符，改变count的值为2，这时只需要判断count是否等于P的长度就能从而决定我们是否要更新结果。

      image.png

代码实现

class Solution {
public:vector<int> findAnagrams(string s, string p) {vector<int> ret;int hash1[26] = { 0 }; // 统计字符串 p 中每个字符出现的个数for(auto ch : p) hash1[ch - 'a']++;int hash2[26] = { 0 }; // 统计窗⼝⾥⾯的每⼀个字符出现的个数int m = p.size();for(int left = 0, right = 0, count = 0; right < s.size(); right++){char in = s[right];// 进窗⼝ + 维护 count++hash2[in - 'a'];if(hash2[in - 'a'] <= hash1[in - 'a']) count++;if(right - left + 1 > m) // 判断{char out = s[left++];// 出窗⼝ + 维护 countif(hash2[out - 'a'] <= hash1[out - 'a']) count--;hash2[out - 'a']--;}// 更新结果if(count == m) ret.push_back(left);}return ret;}   
};

串联所有单词的子串

串联所有单词的子串

题目解析

  • 字符串数组words中所有子串长度相同（这点十分重要，否则该题时间复杂度很高）
  • 例如，如果 words = [“ab”,“cd”,“ef”]， 那么 “abcdef”， “abefcd”，“cdabef”， “cdefab”，“efabcd”， 和 “efcdab” 都是串联子串。 “acdbef” 不是串联子串，因为他不是任何 words 排列的连接。
  • 返回所有串联子串在 s** **中的开始索引。你可以以 任意顺序 返回答案。

算法原理

先将s的字符串按照w中长度的进行划分：

  1. hash存储：用hash<string,int>存储，即string存储字符串，int存储字符串出现的次数。
  2. left与right指针移动：移动的步长，是单词的长度。
  3. 滑动窗口执行的次数：如图所示（紫色、绿色、蓝色 从0、1、2三个位置分别开始划分滑动），再往下划分的情况与第一种情况相比只是少了第一个字、符，所以结果会重复，故一共三次，即为len次（w的长度）。

image.png

代码实现

class Solution {
public:vector<int> findSubstring(string s, vector<string>& words) {vector<int>ret;unordered_map<string,int> hash1;  //保存world单词出现的次数for(auto&s :words) hash1[s]++;int len = words[0].size(),m = words.size();for(int i = 0; i < len; i++) //执行len次{unordered_map<string,int> hash2; //维护窗口内单词的频次for(int left = i,right = i,count = 0; right+len <= s.size();right+=len){//进窗口+维护countstring in = s.substr(right,len); //将要进窗口的字符串裁出来，从right位置开始，长度为len的子串hash2[in]++;if(hash1.count(in) && hash2[in] <= hash1[in]) count++;/*这里hash1中不一定有in，hash[]的特性是如果没有in会再重新创建一个，较消耗时间复杂度。所以可以先加一个判断条件hash1.count(in)*///判断if(right-left+1 > len*m) //当大于words的总长度时，移动窗口{//出窗口+维护count string out = s.substr(left,len);//这里同理if(hash1.count(out) && hash2[out] <= hash1[out]) count--;hash2[out]--;  //出窗口，即哈希表里的字符数--left+=len;  //left移动}//更新结果if(count == m)    ret.push_back(left);            }}return ret;}
};

最小覆盖子串

最小覆盖子串

题目解析

  • 在s中找一个连续的子字符串，使其能涵盖t中所有字符即可，s中子字符串出现的次数大于t中也可以
  • 返回符合条件的子串，所以需要标记起始位置

image.png

算法原理

  1. 暴力解法+哈希表：枚举出所有符合条件的子串，找出最优。
    1. 分别在hash1和hash2中统计字符出现的次数，在每一次的遍历中，比较hash2中出现的次数是否大于等于hash1中出现的次数即可。
    2. 选一个位置作为起点left，然后定义right从left位置开始遍历，直到找到符合要求的最短的区间，然后right停止，此时让left向右移动
    3. 当left移动前的位置不是题中复合要求的字母时，结果没影响，right不需要动
    4. 当left移动前的位置是题中复合要求的字母时，此时就不符合要求，为了保证符合要求，right右移继续找。
    5. 经分析过后发现right不需要回退，left和right都是一起向右移动，即滑动窗口。

image.png

  1. 滑动窗口+哈希表
    1. 初始化窗口
    2. 进窗口
    3. 判断&出窗口：当hash2中的字符出现次数大于hash1中的字符时，即窗口合法时我们出窗口。
    4. 更新结果：这里的更新结果在出窗口之前。因为更新结果我们需要的是符合区间的起始位置和最短长度，所以要在出窗口之前获取

image.png

  1. 优化：在判断那里，我们比较两个hash出现的字符次数时，需要分别遍历两个哈希表，是非常消耗时间的，并且我们判断还不止一次。
    1. 这里的count和之前的不是很一样，这里的count记录有效字符的种类。即我们只看出现的A是否成立，B是否成立，C是否成立，而不再统计ABC分别出现的次数，因为该题A出现三次（大于t中的1次）成立，出现四次也成立，但这里我们只能算作一次（在同一段子字符串中可能出现多次，见题目解析），所以不能再用加和的方式去标记。
    2. 进窗口+维护：进窗口之后，当两个出现的次数相等时，count++（注意：这里不能像之前那样在大于等于的时候让count++，因为这样会重复统计）
    3. 出窗口+维护：出窗口之前，当此时出现的次数相等时，count–，（A:0->1->0）因为出窗口之后没了a有效字符的种类数减少了
    4. 判断条件：我们这里count是统计有效字符的种类，所以这里要比较count和hash1的长度（t的长度）

因为这里都是字符，所以我们可以定义数组来模拟hash

image.png

代码实现

class Solution {
public:string minWindow(string s, string t) {int hash1[128] = {0}; //统计t中出线的频次int kind = 0;//统计有效字符种类for(auto ch:t){if(hash1[ch] == 0) kind++;hash1[ch]++;} int hash2[128] = {0}; //统计窗口内每个字符出现的频次int minlen = INT_MAX, begin = -1;for(int left = 0,right = 0,count = 0;right<s.size();right++){char in = s[right];hash2[in]++;if(hash2[in] == hash1[in]) count++; //进窗口+维护while(count == kind) //判断条件{if(right-left+1 < minlen) //更新结果{minlen = right - left + 1;begin = left;}char out = s[left];left++;if(hash2[out] == hash1[out]) count--;hash2[out]--;      }}if(begin == -1) return "";else return s.substr(begin,minlen);}
};

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/209240.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

关于随机数的设定和随机噪声

关于随机数的设定和随机噪声

以下是设立随机数和随机噪声的code&#xff1a; 设定随机数的方法有很多&#xff0c;下面代码是通过numpy的API设定随机数&#xff0c;除了numpy&#xff0c;实际上scikit&#xff0c;tf&#xff0c;pytorch都有设定随机数的API的 # Set a random seed for reproducibility(0…
阅读更多...
开源播放器GSYVideoPlayer + ViewPager2 源码解析

开源播放器GSYVideoPlayer + ViewPager2 源码解析

开源播放器GSYVideoPlayer ViewPager2 源码解析 前言一、GSYVideoPlayer&#x1f525;&#x1f525;&#x1f525;是什么&#xff1f;二、源码解析1.ViewPager2Activity 总结 前言 本文介绍GSYVideoPlayer源码中关于ViewPager2 GSYVideoPlayer 实现的滑动播放列表的实现原理。…
阅读更多...
linux 内核regulator

linux 内核regulator

问题 在sys文件系统下没有生成cpu 调频的相关节点。 日志对比 [ 3.588745] cpu cpu4: Looking up cpu-supply from device tree [ 3.588753] cpu cpu4: Failed to get reg [ 3.588791] cpu cpu4: Looking up cpu-supply from device tree [ 3.588808] Failed to i…
阅读更多...
C语言练习题

C语言练习题

C语言练习题 文章目录 C语言练习题题目一题目二题目三题目四题目五题目六题目八 题目一 #include <stdio.h> //VS2022,默认对齐数为8字节 union Un {short s[7];int n; };int main() {printf("%zd", sizeof(union Un));return 0; }代码运行结果:> 16 sizeo…
阅读更多...
MySQL双主双从数据库集群搭建

MySQL双主双从数据库集群搭建

1 引言 在之前的文章中提到过单主单从的搭建方法&#xff0c;具体请参考《MySQL主从数据库搭建》这篇文章&#xff0c;本文主要讲述双主双从&#xff0c;双主多从集群的搭建方式。 这里要问一个问题&#xff0c;为什么MySQL要搭建数据库集群呢&#xff1f;我想应该有以下几点原…
阅读更多...
彻底解决ModuleNotFoundError: No module named ‘exceptions‘【Bug完美解决】

彻底解决ModuleNotFoundError: No module named ‘exceptions‘【Bug完美解决】

文章目录 项目场景：问题描述原因分析：解决方案：此Bug解决方案总结心得项目场景： 根据本文可找到bug原因并彻底解决**ModuleNotFoundError: No module named ‘exceptions‘**Bug 报错： E:\Anconda\python.exe c:\Users\24190\PycharmProjects\pythonProject4py尝试 gong…
阅读更多...
Android textView 显示： STRING_TOO_LARGE

Android textView 显示： STRING_TOO_LARGE

在Android中&#xff0c;字符串资源的长度限制是32KB&#xff0c;getString()方法返回的字符串资源的大小超过这个限制&#xff0c;就会抛出STRING_TOO_LARGE 这个错误。 我本地的临界值是&#xff1a;32.3 KB (33,090 字节) 小于等于33090时&#xff0c;能正常显示&#xff…
阅读更多...
数据结构和算法-树与二叉树的存储结构以及树和二叉树和森林的遍历

数据结构和算法-树与二叉树的存储结构以及树和二叉树和森林的遍历

文章目录 二叉树的存储结构二叉树的顺序存储二叉树的链式存储小结 二叉树的先中后序遍历例题小结 二叉树的层次遍历小结 由遍历序列构造二叉树一个遍历序列即使给定了前中后序&#xff0c;也不能确定该二叉树的形态可以确定的序列组合前序中序后序中序层序中序 小结若前序&…
阅读更多...
构建第一个ArkTS应用（纯HarmonyOS应用）

构建第一个ArkTS应用（纯HarmonyOS应用）

1. 安装开发工具 在华为开发者官方上下载HarmonyOS应用专用的开发工具&#xff0c;链接地址&#xff1a;HUAWEI DevEco Studio和SDK下载和升级 | HarmonyOS开发者 要想使用开发工具让项目跑起来&#xff0c;需要10G的磁盘空间。开发工具需要的磁盘空间为2.36G&#xff1b;SDK需…
阅读更多...
springBoot整合task

springBoot整合task

springBoot整合task 文章目录 springBoot整合task开开关设置任务&#xff0c;并设置执行周期定时任务的相关配置 开开关 设置任务&#xff0c;并设置执行周期 Component public class MyBean {Scheduled(cron "0/1 * * * * ?")public void print(){System.out.prin…
阅读更多...
Shutdown Signal: channel error； protocol method: #method＜channel.close＞

Shutdown Signal: channel error； protocol method: #method＜channel.close＞

完整异常信息&#xff1a; Shutdown Signal: channel error; protocol method: #method<channel.close>(reply-code404, reply-textNOT_FOUND - no exchange fanoutExchange in vhost /, class-id60, method-id40) 意思是找不到名字是 fanoutExchange 的虚拟机 就是虚拟机…
阅读更多...
JVM基础篇：垃圾回收

JVM基础篇：垃圾回收

目录 1.前言 1.1C/C的内存管理 1.2Java的内存管理 2.方法区的回收 3.堆回收 3.1引用计数法和可达性分析法 3.2五种对象引用 强引用 软引用 弱引用 虚引用 终结器引用 3.3垃圾回收算法评价标准 ①吞吐量 ②最大暂停时间 ③堆使用效率 3.4垃圾回收算法 ①标记清…
阅读更多...
RabbitMQ 笔记

RabbitMQ 笔记

Message durability 确保消息在server 出现问题或者recovery能恢复&#xff1a; declare it as durable in the producer and consumer code. boolean durable true; channel.queueDeclare("hello", durable, false, false, null);Queue 指定 //使用指定的queue&…
阅读更多...
【古月居《ros入门21讲》学习笔记】14_参数的使用与编程方法

【古月居《ros入门21讲》学习笔记】14_参数的使用与编程方法

目录 说明&#xff1a; 1. 参数模型&#xff08;全局字典&#xff09; 2. 实现过程&#xff08;C&#xff09; 创建功能包 参数命令行的使用 YAML参数文件 rosparam命令 使用示例 编程方法&#xff08;C&#xff09; 配置代码编译规则 编译并运行 编译 运行 3. 实…
阅读更多...
基于springboot + vue体育馆使用预约平台

基于springboot + vue体育馆使用预约平台

qq&#xff08;2829419543&#xff09;获取源码 开发语言&#xff1a;Java Java开发工具&#xff1a;JDK1.8 后端框架&#xff1a;springboot 前端&#xff1a;采用vue技术开发 数据库&#xff1a;MySQL5.7和Navicat管理工具结合 服务器&#xff1a;Tomcat8.5 开发软件&#xf…
阅读更多...
Wireshark 协议插件Lua开发 -数据包内嵌协议的解释

Wireshark 协议插件Lua开发 -数据包内嵌协议的解释

概述 因为公司项目涉及的协议打包&#xff0c;协议包内又嵌了一层IP包的奇葩套娃结构&#xff0c;为了方便抓包调试&#xff0c;利用Wireshark的协议插件开发功能&#xff0c;写了一个插件&#xff0c;博文记录以备忘。 环境信息 Wireshark 4.0.3 协议结构体套娃图 插件安装…
阅读更多...
C++基础 -35- string类

C++基础 -35- string类

string类的格式 string a;如下图&#xff0c;使用string类比常规的字符串处理方便很多 而且需要进行的字符串处理&#xff0c;在类中都能完成 #include "iostream"using namespace std;extern "C" {#include "string.h" }int main() {//c的写…
阅读更多...
从零开始：PHP实现阿里云直播的简单方法！

从零开始：PHP实现阿里云直播的简单方法！

1. 配置阿里云直播的推流地址和播放地址 使用阿里云直播功能前&#xff0c;首先需要在阿里云控制台中创建直播应用&#xff0c;然后获取推流地址和播放地址。 推流地址一般格式为&#xff1a; rtmp://{Domain}/{AppName}/{StreamName}?auth_key{AuthKey}-{Timestamp}-{Rand…
阅读更多...
C# 使用HtmlAgilityPack解析提取HTML内容

C# 使用HtmlAgilityPack解析提取HTML内容

写在前面 HtmlAgilityPack是一个HTML解析类库&#xff0c;日常用法就是爬虫获取到内容后&#xff0c;先用XPath获取目标节点&#xff0c;再用正则进行匹配&#xff1b;使用XPath的目的主要是将目标节点或内容限定在一个较小的范围&#xff0c;如果一上来就用正则那效率肯定不…
阅读更多...
Git Bash环境下用perl脚本获取uuid值

Git Bash环境下用perl脚本获取uuid值

在Linux环境下&#xff0c;比如在ubuntu就直接有uuidgen命令直接获取uuid值。在Windows环境下常用的git bash中没有对应的命令&#xff0c;略有不便。这里用脚本写一个uuidgen&#xff0c;模拟Linux环境下的uuidgen命令。 #! /usr/bin/perl use v5.14; use Win32;sub uuidGen {…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023