- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法工程师之路
每日算法题：Day 11
作者：TeddyZhang，公众号：算法工程师之路 Day 11, 概率统计知识点走起~ 1 编程题 【剑指Offer】栈的压入，弹出序列 输入两个整数序列，第一个序列表示栈的压入顺序，请判断第二个序列是否可能为该栈的弹出顺序
58810发布于 2019-08-13 - 来自专栏卡尼慕
分布式共识算法
那么这里可以把问题定性为如何设计一套算法让所有节点当遇到分歧的时候能够达成一致。也就是基于异步通信的分布式共识问题。 同样，拜占庭将军问题也是一个类似的问题。这里的图片来自ppt。 ? 分布式 结点之间互相独立，互相不信任，不受中央控制。 共识 目标是所有成员达成一致的意见。 解决拜占庭将军问题 FLP不可能性定理 “在分布式异步通信的网络里，即便存在一个故障的节点，不存在可解决一致性的算法。” ，FLP不可能原理实际上告诉人们，不要浪费时间，去为异步分布式系统设计在任意场景下都能实现共识的算法。 但是！！！不存在任意情景下都适用的算法。但我们可以进行一些假设，来进行限制来简化问题。 总结一下 去中心化交易模型容易导致类似双重支付或者拜占庭将军问题出现，这些问题的实质都是基于异步通信下的分布式共识算法，理论上这个问题是无解的，而在实际操作中可以尝试简化问题，限制条件来找到一种成功率较高的解法
64620发布于 2019-09-09 - 来自专栏ACM算法日常
浅谈分布式算法
限于精力有限，只能带大家了解一下分布式的基本算法，不过相信这些对于以后在思考服务器结构时会起到比较大的影响。 可是等会大家就知道，分布式算法的基础是很简单的，即使对于raft这种比较好的一致性算法，可能只需要一个下午时间就能理解整个流程，相较于算法竞赛中的网络流之类的较为麻烦的算法，分布式的这些算法是比较简单的 分布式算法 分布式服务器的设计很多时候容易被程序员混淆，在我的理解上面，分布式服务器是能够横向扩展的，对于只是将功能分到不同模块的多进程做法，并不是分布式的做法。 但是在具体架构的时候又需要将功能划分为多个模块，每个模块可能是分布式结构，这个要具体问题具体分析。分布式通常分为分布式计算和分布式存储两大块，这两块的算法有比较大的差异，可以说是相互独立的。 总结 如果没有MapReduce和raft这些算法，自己去实现分布式的计算和存储，可能不怎么现实，看起来简单的东西，可能是数学行业几十年的沉淀与研究产生的结果，而且分布式算法并没有出现百花齐放的状况，也可以说明研究一种算法就已经很困难
2.5K30发布于 2020-05-11 - 来自专栏java达人
分布式系统模式11-HeartBeat
来源: https://martinfowler.com/articles/patterns-of-distributed-systems/
1.3K20发布于 2021-01-05 - 来自专栏技术大杂烩
【算法题解】 Day11 数学
根据题意，需要爬 n 阶楼梯才能到达楼顶，并且每次只能爬1或2个台阶，问有几种方法？
31720编辑于 2023-08-31 - 来自专栏java开发的那点事
分布式ID生成算法-雪花算法
原因:为什么需要雪花算法 为什么需要分布式全局唯一ID以及分布式ID的业务需求？集群高并发情况下如何保证分布式唯一全局Id生成？ 各个Redis生成的ID为: A：1, 6, 11, 16, 21 B：2, 7 , 12, 17, 22 C：3, 8, 13, 18, 23 D：4, 9, 14, 19, 24 E：5, 10, 15, 20, 25 来源 Twitter的分布式自增ID算法snowflake 概述 Twitter的snowflake解决了这种需求，最初Twitter把存储系统从MySQL迁移到Cassandra Twitter的分布式雪花算法SnowFlake ，经测试snowflake 每秒能够产生26万个自增可排序的ID Twitter的SnowFlake生成ID能够按照时间有序生成。 作者：彼岸舞 时间：2021\11\15 内容关于：SpringBoot 本文来源于网络，只做技术分享，一概不负任何责任
1.5K20发布于 2021-11-16 - 来自专栏Lixj's Blog
分布式id生成算法-snowflake算法
snowflake 算法是 twitter 开源的分布式 id 生成算法，采用 Scala 语言实现，是把一个 64 位的 long 型的 id，1 个 bit 是不用的，用其中的 41 bit 作为毫秒数 snowflake 算法源码 以下是找到的snowflake 源码 /** * Twitter_Snowflake
* SnowFlake的结构如下(每部分用-分开):
* 0
* SnowFlake的优点是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞(由数据中心ID和机器ID作区分)，并且效率较高，经测试，SnowFlake每秒能够产生26万ID ID呈现趋势递增，后续插入索引树的时候性能较好（关于这点优点我还有待研究，没完全搞懂） 缺点 由于是依赖时钟的一致性，如果机器的时间回拨，则有可能造成ID冲突或ID乱序 随想 由于只是碰巧看到这个算法， Copyright: 采用 知识共享署名4.0 国际许可协议进行许可 Links: https://lixj.fun/archives/snowflake算法55420编辑于 2022-06-10 - 来自专栏函数式编程语言及工具
Akka（11）： 分布式运算：集群-均衡负载
集群构建是ActorSystem层面上的，可以是纯粹的配置和部署行为；分布式Actor程序编程实现了Actor消息地址的透明化，无须考虑目标运行环境是否分布式的，可以按正常的Actor编程模式进行。 既然分布式的Actor编程无须特别针对集群环境，那么摆在我们面前的就是多个可以直接使用的运算环境（集群节点）了，现在我们的分布式编程方式应该主要聚焦在如何充分使用这些分布的运算环境，即：如何把程序合理分配到各集群节点以达到最优的运算输出效率 我们可以通过人为方式有目的向集群节点分配负载，或者通过某种算法来自动分配就像前面讨论过的Routing那样。 原则上讲，具体任务分配是通过某种Routing算法自动安排到Routees上去的。但是，我们还是可以用ConsistentHashing-Router模式实现目标Routees的配对。
2.5K70发布于 2018-01-05 - 来自专栏武军超python专栏
11月9日python分布式爬虫
另外，如果需要继承，也可以定义为类方法，实例对象和类对象都可以调用 使用分布式必须要安装： pip install scrapy-redis 分布式： 分布式爬虫的难点在于多台机器之间怎么互相通信而防止爬取重复的 url才能爬取一个url,不能自动爬取的话首先看一下域名是否正确，如果实在不行的话就把redis数据库 清空一下(flushdb),可能是由于存储爬取过的url那个列表的上次运行缓存太多造成的 使用分布式需要使用 如果不指定的话默认就是相对路径的当前的目录下： 如果使用/来表示路径可以直接写绝对路径，如果使用\则需要在绝对路径的前面加r来表示不转义，以原字符解释, 路径的 最后一定要加/表示最后那个文件下： with open('G:/第四阶段/11 utf8') as f: f.write((item['aname']+','+item['atype'] + '\n')) f.close() with open(r'G:\第四阶段\11
46920发布于 2019-02-25 - 来自专栏焱融科技
分布式QoS算法解析
我们今天就来讨论一下分布式存储系统中的QoS算法。进入正题之前，我们先来了解背景知识，即什么是QoS，分布式QoS又是什么，有哪些常见的QoS算法。 近年来基于x86服务器的分布式存储系统流行，即在多个x86服务器部署分布式存储软件，构建出一套分布式存储系统，对外提供一套统一的存储服务。 如果是分布式块存储，用户可以将这套分布式块存储集群看成一个集中的SAN设备。如果是分布式文件存储，用户则可以将这套分布式文件存储集群当成一个本地文件系统（如ext4, xfs）来用。 我们似乎也无法在存储端做QoS算法，尤其是分布式并行文件系统，因为存储端各节点是分布式的，业务数据从不同client端发起，直接流向不同的存储端节点。 我们将这种场景称之为分布式QoS场景。 04 总结 我们讨论了QoS、分布式QoS、令牌桶等常见QoS算法，最后举例分析了mClock和dmClock算法。 关于dmClock，我们思考一个进一步的问题。
2.6K20发布于 2020-09-03 - 来自专栏程序员升级之路
分布式ID算法&实现
一、为什么需要分布式ID 1、跨机房部署 如果数据库是跨机房部署，分布式ID是必须的，不然后续做数据分析和统计、跨机房路由会踩大坑。 2、海量数据 如果数据量可能会超出数据库自增ID类型最大值， 分布式ID也是必然面对的。 三、常用算法有 1、snowflake（雪花）算法 生成一个64bit的数字，数字被划分成多个段：时间戳、机器编码、序号。 优点： 整个ID是趋势递增的。 高吞吐量。 在分布式环境下，每台机器上的时钟可能有偏差，有时候会出现不是全局递增的情况。 2、基于数据库 一般基于数据库，充分利用MySQL自增ID的机制。 | bigint(20) | NO | | 1 | | | step | int(11
1.4K30发布于 2020-09-11 - 来自专栏云计算与大数据
分布式｜算法再认识
CAP理论是Eric Brewer教授在2000年提出 的，是描述分布式一致性的三个维度，分别是指： （1）一致性（Consistency） 每次读操作都能保证返回的是最新数据；在分布式系统中，如果能针对一个数据项的更新执行成功后 CAP指出，一个分布式系统只能满足三项中的两项而不可能满足全部三项。 Raft 特性： 强领导者（Strong Leader）：Raft 使用一种比其他算法更强的领导形式。例如，日志条目只从领导者发送向其他服务器。 这种方式仅仅是在所有算法都需要实现的心跳机制上增加了一点变化，它使得在解决冲突时更简单和快速。 从Paxos到Raft，分布式一致性算法解析 Paxos和Raft的前世今生
37820编辑于 2022-03-14 - 来自专栏面试
分布式的共识算法
共识算法（Consensus Algorithm）是分布式系统中一个关键的概念，主要用于确保多个节点在分布式环境中能够就某一状态达成一致。 本文将深入探讨共识算法的基本原理、常见类型及其在实际应用中的重要性。 一、共识算法的基本原理 共识算法的核心在于解决分布式系统中的一致性问题。 它有点像在开会时，每个人都要互相验证对方是不是在说谎 ZAB 算法 ZAB 是 ZooKeeper 的底层共识算法，用于实现分布式锁和协调服务。 其他节点切换到Follower状态，并与Leader同步数据，确保所有节点的数据一致 假设这些服务器从id1-5，依序启动： 三、共识算法的应用场景 分布式数据库 在分布式数据库中，共识算法确保各节点的数据一致性 分布式文件系统 分布式文件系统（如 Google File System 和 HDFS）通过共识算法实现元数据的同步和一致性，确保文件系统在大规模分布式环境中的可靠性。
56010编辑于 2025-03-18 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（11）：敏感词过滤算法（DFA）
DFA：确定的 有穷 状态机 如果 设计模式 中的状态模式比较熟的话，这个就很清楚了。 DFA常用于敏感词过滤。
1K20发布于 2021-09-18 - 来自专栏大数据成神之路
分布式快照算法: Chandy-Lamport 算法
算法，那么分布式快照算法可以用来解决什么问题呢？ 下面就介绍一下在流式系统中广泛使用分布式快照算法：Chandy-Lamport 算法。Flink 使用的是 Chandy-Lamport 的改进算法。 1. 因为是分布式系统，也就是说，这些进程是运行在不同的物理机器上的。那么一个分布式系统的全局状态就是有进程的状态和 channel 中的 message 组成，这个也是分布式快照算法需要记录的。 Chandy-Lamport 算法 那么我们基于上面假设的分布式系统模型来看一下 Chandy-Lamport 算法具体的工作流程是什么样的。 总结 Chandy-Lamport 算法通过抽象分布式系统模型描述了一种简单直接但是非常有效的分布式快照算法。讨论 Chandy-Lamport 算法一定要注意算法的几个前提：网络可靠、消息有序。
2.1K20发布于 2019-07-30 - 来自专栏机器学习入门
算法细节系列（11）：再谈动态规划
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014688145/article/details/70702445
96240发布于 2019-05-26 《算法导论》第 11 章 - 散列表
今天我们来深入学习《算法导论》第 11 章 —— 散列表（Hash Table）。 冲突解决方法 《算法导论》中介绍了两种主要的冲突解决方法： 链地址法（Chaining）：将具有相同散列值的元素存储在同一个链表中 开放寻址法（Open Addressing）：所有元素都存储在散列表本身中 int key, int a, int b, int m) { return ((a * key + b) % m + m) % m; } int main() { int m = 11 "空"; } cout << endl; } } }; // 示例用法 int main() { // 创建一个大小为11 （质数）的开放寻址法散列表 HashTableOpenAddressing ht(11); // 插入元素 ht.insert(10, "苹果"); ht.insert
12610编辑于 2026-01-21- 来自专栏全栈程序员必看
11种经典滤波算法「建议收藏」
优点： 继承了“限幅”和“消抖”的优点 改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统 C、缺点： 对于快速变化的参数不宜 第11 return value; } return new_value; } 2、中位值滤波法 /* N值可根据实际情况调整 排序采用冒泡法*/ #define N 11char */ #define N 12char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};char code sum_coe = 1+2+3+4+5+6+7+8+9+ 10+11+12;char filter(){ char count; char value_buf[N]; int sum=0; for (count=0,count<N;COUNT delay(); new_value = get_ad(); } return value; } 10、限幅消抖滤波法 /* */ 略 参考子程序1、9 11
6.5K21编辑于 2022-08-18 - 来自专栏乐行僧的博客
11-二分查找算法
思想： 利用有序的特点，平均意义上，每次查找缩减一般的查找规模，进而提高查找速度。 关键点： 存储结构为顺序存储，且关键字之间有序 l <= r，不能l < r 中间下标计算溢出问题，m = (l + r)/2 可能会溢出，使用减法，m = (r - l)/2 + l 代码： #include <stdio.h> int BinSearch(int *a, int n, int t) { int l = 0; int r = n - 1; while (l <= r) {
16920编辑于 2022-02-25 - 来自专栏程序员小航
Redisson 分布式锁源码 11：Semaphore 和 CountDownLatch
前言 Redisson 除了提供了分布式锁之外，还额外提供了同步组件，Semaphore 和 CountDownLatch。 1 Semaphore 意思就是在分布式场景下，只有 3 个凭证，也就意味着同时只会有三个线程执行业务。 3 总结 Redisson 实现分布式的 Semaphore 和 CountDownLatch 基本内容就是如此，仅仅通过在 Redis 维护一个公共的变量，然后进行原子更新即可。
51940发布于 2021-07-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号