- 综合排序
- 最热优先
- 最新优先
- 来自专栏C++信息学奥赛
杨校老师课堂之桶排序——桶计数
(二) 循环结构的应用for 循环的两种典型用法计数循环（输入阶段）：for (int i = 1; i <= 50; i++) 控制读取 50 个输入，通过 a[t]++ 完成次数累加（每输入一个数字 t，对应位置的计数 + 1）。 (三) 核心算法思想频率统计（计数思想）核心逻辑：用数组作为 “计数器”，通过 a[t]++ 实现对每个数字出现次数的累加。优势：时间复杂度为 O (n)（n 为输入数量），比用嵌套循环统计更高效。 【输入样例】7 2 5 6 1 2 8 9 2 8 3 3 9 9 4 3 1 9 4 5 3 9 1 6 4 8 3 9 1 7 1 7 1 2 3 2 5 4 1 2 6 4 7 9 4 6 10 【输入样例】7 2 5 6 1 2 8 9 2 8 3 3 9 9 4 3 1 9 4 5 3 9 1 6 4 8 3 9 1 7 1 7 1 2 3 2 5 4 1 2 6 4 7 9 4 6 10
26400编辑于 2025-07-03 - 来自专栏swag code
BucketSort-桶排序-计数排序
import java.util.Arrays; public class BucketSort { //桶排序-计数排序 public static void bucketSort(int[]
39950发布于 2018-08-20 - 来自专栏ImportSource
自己动手写令牌桶、漏桶、计数等限流实现
好，这只是一个简单的通过计数和加过期时间的单机版的限流器。 令牌桶 ? 事实上，限流还有令牌桶的方式。令牌桶的方式同样也是类似计数的方式。 其实本质上还是计数。当和前面的那种计数不一样的地方是，令牌桶支持动态的添加token，也就是动态改变上限。你可以控制添加令牌的速率。 漏桶 ? 在分布式环境下，你就需要在一个集中的地方来维护计数和队列等等这些桶了。这时候就需要用到诸如redis或zookeeper来对上面对应的变量和队列进行修改了。 3、hystrix的线程池就类似漏桶的思路。 4、guava包中有现成的基于令牌桶的限流实现。 总结 计数+过期时间的方式就是一种粗暴的限流方式，也是常见的限流方式。但无法对流量整形。 如果在分布式下实现限流，需要把你的计数器和漏桶队列维护到一个公共的地方，比如redis，zookeeper，数据库等。hystrix的线程池就类似漏桶的思路，guava里有现成的基于令牌桶的限流实现。
6.8K21发布于 2018-07-25 - 来自专栏python3
计数排序与桶排序python实现
计数排序与桶排序python实现 计数排序 计数排序原理： 找到给定序列的最小值与最大值 创建一个长度为最大值-最小值+1的数组，初始化都为0 然后遍历原序列，并为数组中索引为当前值－最小值的值 ] count_sort(a) print(a) 计数排序的缺点 当数值中有非整数时，计数数组的索引无法分配 桶排序 桶排序原理： 桶排序与计数排序类似，但可以解决非整数的排序 桶排序相当于把计数数组划分为按顺序的几个部分 每一部分叫做一个桶，它来存放处于该范围内的数 然后再对每个桶内部进行排序，可以使用其他排序方法如快速排序 最后整个桶数组就是排列好的数据， (i): s.append(j) if __name__ == '__main__': a = [3.2,6,8,4,2,6,7,3] bucket_sort( a) print(a) # [2, 3, 3.2, 4, 6, 6, 7, 8] 总结 计数排序与桶排序都是以牺牲空间换时间，虽然很快，但由于可能产生大量的空位置导致内存增大，尤其是计数排序。
1.3K10发布于 2020-01-16 - 来自专栏C++信息学奥赛
杨校老师课堂之桶排序算法——桶标记计数练习
从标准输入读取一个整数到 t t = t + 50; // 将 t 加上 50 ++a[t]; // 将数组 a 中下标为 t 的元素值加 1 } // 遍历每个桶查找出现次数超过一半数字 样例输入10 3 1 3 3 7 2 5 1 2 4 6输出3#include<iostream>using namespace std;int main() { int a[ cin >> t; // 从标准输入读取一个整数到 t ++a[t]; // 将数组 a 中下标为 t 的元素值加 1 } int cnt = 0; // 定义计数器 cnt 并初始化为 0 // 遍历每一个桶对出现数字进行计数 for(int i = 1; i <= 30000; ++i){ // 循环 30000 次，从 1 到 30000 = 0){ // 如果数组 a 中下标为 i 的元素值不为 0 ++cnt; // 计数器 cnt 加 1 if(cnt == k){ // 如果计数器
21200编辑于 2025-07-05 - 来自专栏算法工程师之路
单调栈-LeetCode 739、287（单调栈，桶计数）
单调栈，桶计数：LeetCode #739 287 1 编程题 【LeetCode #739】每日温度 根据每日 气温 列表，请重新生成一个列表，对应位置的输入是你需要再等待多久温度才会升高超过该日的天数 例如，给定一个列表 temperatures = [73, 74, 75, 71, 69, 72, 76, 73]，你的输出应该是 [1, 1, 4, 2, 1, 1, 0, 0]。 示例 1: 输入: [1,3,4,2,2] 输出: 2 示例 2:= 输入: [3,1,3,4,2] 输出: 3 解题思路： 前两种方法就不说了，从二分法开始： （二分法） 这个原理我不是太懂，但按照这个二分的样子确实可以解决这个问题 （桶计数） 由于题目是n+1个1到n的数，那么只要将对应数值放到其相应的索引号位置，如果没有在，就交换，直到遍历到的数值与其对应的数值一样，说明坑被占了，那么这个数就是答案了！ }else{ r = mid; } } return l; } }; （方法四：桶计数法
80610发布于 2019-11-14 - 来自专栏小樱的经验随笔
基数排序与桶排序，计数排序【详解】
这种排序方法我们暂且叫它“桶排序”。因为其实真正的桶排序要比这个复杂一些，以后再详细讨论，目前此算法已经能够满足我们的需求了。 这个算法就好比有11个桶，编号从0~10。 每出现一个数，就在对应编号的桶中放一个小旗子，最后只要数数每个桶中有几个小旗子就OK了。 例如2号桶中有1个小旗子，表示2出现了一次；3号桶中有1个小旗子，表示3出现了一次；5号桶中有2个小旗子，表示5出现了两次；8号桶中有1个小旗子，表示8出现了一次。 ? 13 10 2 ---------------------- 3 2 3 4 5 9 9 9 10 10 13 计算排序构造了k个buckets来统计数据频次，共需要两趟来实现排序，第一趟增量计数进行统计 ，第二趟将计数统计的对应的数重写入原始数据表中。
1.2K70发布于 2018-04-09 - 来自专栏BAT的乌托邦
二十三、Hystrix桶计数器：BucketedCounterStream
上图的每个小矩形代表一个桶，可以看到，每个桶都记录着1秒内的四个指标数据：成功量、失败量、超时量和拒绝量，这里的拒绝量指的就是上面流程图中【信号量/线程池资源检查】中被拒绝的流量。 10个桶合起来是一个完整的滑动窗口，所以计算一个滑动窗口的总数据需要将10个桶的数据加起来。 BucketedCounterStream它是抽象类，提供了基本的桶计数器(BucketedCounter)实现：按配置的时间间隔将所有事件聚合成桶。 Func1<Observable<Event>, Observable<Bucket>> reduceBucketToSummary; // 它是个Subject：既能发射数据，也能监听数据 // 用于计数 { return getEmptyOutputValue(); } } ---- 总结 BucketedCounterStream提供的能力可描述为：桶计数器
2.2K20发布于 2020-03-19 - 来自专栏C++信息学奥赛
杨校老师课堂之不去重桶排序算法——桶计数应用专项题单
桶排序题目描述输入5个不大于10的正整数，请按照从小到大的顺序输出这5个数。输入描述输入5个正整数。输出描述从小到大顺序输出5个数。中间用空格隔开。 样例4 4 1 2 3输4 3 2 1#include<iostream> // 包含输入输出流头文件using namespace std; // 使用标准命名空间int main(){ //
19000编辑于 2025-07-03 - 来自专栏愿天堂没有BUG（公众号同名）
微服务容错与隔离：限流保护，计数器+漏桶+令牌桶算法限流实现
计数器 比较简单的限流做法是维护一个单位时间内的计数器，每次允许请求计数器都加1，当单位时间内计数器累加到设定的阈值后，之后的请求都被拒绝，直到超过单位时间，再将计数器重置为零。 常用的更平滑的限流算法有两种：漏桶算法和令牌桶算法。 漏桶算法 漏桶算法的思路很简单，水（请求）先进入漏桶里，漏桶以一定的速度出水（接口有响应速度），当水流入的速度过大时（访问频率超过接口响应速度）会直接溢出，然后就拒绝请求。 因此，漏桶算法对于存在突发特性的流量来说缺乏效率。 令牌桶算法 令牌桶算法和漏桶算法效果相似，令牌桶算法更加容易理解。 首选引入Maven依赖： 然后使用Guava限流，Java代码实现如下： 本文给大家讲解的内容是微服务容错与隔离：限流保护，计数器+漏桶+令牌桶算法限流实现 下篇文章给大家讲解的内容是微服务容错与隔离
39010编辑于 2022-10-28 - 来自专栏vivo互联网技术
探究Presto SQL引擎(4)-统计计数
通常的计数是非常简单的，例如统计文本行数在linux系统上一个wc命令就搞定了。除了通常的计数，统计不重复元素个数的需求也非常常见，这种统计称为基数统计。 对于Presto这种分布式SQL引擎，计数的实现原理值得深入研究，特别是基数统计。关于普通计数和基数计数，最典型的例子莫过于PV/UV。 这里没法给一个具体的值，跟满桶率控制， m的选择有关。这个算法相比精确计数很省空间吗？这个毋庸置疑，不然直接精确统计就可以了。 m和最终结果n需要满足什么关系？ 例如：执行了10轮，可能的结果如下：3,1,4,1,1,2,3,4,1,1执行了100轮，可能的结果如下：1,1,2,1,1,2,1,4,2,1,3,1,1,1,1,3,1,2,1,1,2,4,2,3,2,1,1,1,3,1,2,2,6,1,2,4,1,2,2,1,1,3,1,1,1,1,1,1,1,1,1,4,2,1,1,1,1,1,3,1,2,4,4,4,1,3,2,1,5,1,1,1,1,1,1,1,5,1,1,7,1,1,4,1,3,2,1,1,5,2,1,1,5,2,1,1,4,1,1,1 或者在设计产品的时候，对于一些场景的计数，可以优先提供近似估计，如果用户确实需要精确计数，那么在管理好用户响应时间预期下，再提供查询精确值的接口。
1.6K20编辑于 2022-11-01 - 来自专栏前端博客
再谈基数排序-分治思想:对比计数|基数|桶|堆|希尔|快速|归并
基数排序 vs 计数排序 vs 桶排序这三种排序算法都利用了桶的概念，都属于非比较排序。非比较排序是通过确定每个元素之前，应该有多少个元素来排序。 但对桶的使用方法上有明显差异：计数排序：每个桶只存储单一键值；需要占用大量空间，它仅适用于数据比较集中的情况。比如 [0~100]，[10000~19999] 这样的数据。 但桶排序要求数据的分布必须均匀，否则可能导致数据都集中到一个桶中。比如[104,150,123,132,20000], 这种数据会导致前4个数都集中到同一个桶中。导致桶排序失效。 每个有效数字都在0-9之间，很适合桶排序，建10个桶很方便这里个人总结下(对于整数排序)：计数排序桶的个数N就是数组的 max-min+1，然后把数组的每一项数字num放到 num-min的桶中，然后按桶序依次取数桶排序的桶的个数 4个桶，标记为不同的花色，然后把13个标记为数字的桶中的扑克牌依次放进这些桶内，最终我们可以不通过比较数字的大小和花色，就可以得到排序的结果了。
70720编辑于 2023-06-06 - 来自专栏呆呆熊的技术路
计数器、滑动窗口、漏桶、令牌算法比较和伪代码实现
想法很直接，就是想在一定时间内把请求限制在一定范围内，保证系统不被冲垮，同时尽可能提升系统的吞吐量 限流常用的方式 计数器、滑动窗口、漏桶、令牌 计数器 计数器是限流里最简单的,简单来说,比如 我限制1 到了2018-02-27 16:24:00,把计数器归零! 周而复始! ? 但这种会有问题!比如我在前58s都不请求,而在最后一秒请求60次!这样的效果跟木有啥区别.. 滑动窗口其实就是 细分之后的计数器! ? 这样假设, 先把一分钟划分成6段! 也就是10s一个段!在第一段里,假如请求61次,那么直接触发了规则!肯定就过不去了!如果只请求了1次!则是正常的! 如图所示,漏桶就是一个固定的桶,桶底有个漏洞,进水速率不用管不用管,有多少水不用管,反正就这个孔里漏出去! 如果桶里没有令牌了,则这个处理可以”抛弃掉” 令牌桶的好处就是,可以允许匀速,也允许范围内的突发处理! 类似于 我桶容量是100! 这时候1s一个请求,令牌速度也是1s一个!
3.1K21发布于 2020-06-09 - 来自专栏LeetCode
桶排序、 计数排序、 基数排序 && 排序后邻数最大差值
一.桶排序、 计数排序、 基数排序 非基于比较的排序， 与被排序的样本的实际数据状况很有关系， 所 以实际中并不经常使用 时间复杂度O(N)， 额外空间复杂度O(N) 稳定的排序 二.排序后邻数最大差值 len, long min, long max) { return (int) ((num - min) * len / (max - min)); } n 个数采用n+1个桶， 那么会存在一个空桶，所需要的结果一定不在一个桶的内部。 最终的结果也并不是存在一个空桶的两侧 最终的结果是需逐个比较 这里存在一个空桶，那么最终的结果将不会在一个桶的内部，这也是空桶的作用
58330发布于 2019-02-18 - 来自专栏函数式编程语言及工具
search（12）- elastic4s-聚合=桶+度量
聚合由bucket桶和metrics度量两部分组成。 sum_other_doc_count" : 0, "buckets" : [ { "key" : "red", "doc_count" : 4 elastic4是如下表现的： val aggTerms = search("cartxns").aggregations( termsAgg("colors","color.keyword") color -> red, make -> honda) Map(color -> red, make -> honda) Map(color -> green, make -> ford) red,4 elastic4是如下表达的： val aggTermsAvg = search("cartxns").aggregations( termsAgg("colors","color.keyword
53220发布于 2020-05-18 - 来自专栏毛利学Python
八十五、再探希尔排序，桶排序，计数排序和基数排序
「---- Runsen」 关于排序，其实还有很多，比如常见的希尔排序，桶排序，计数排序和基数排序，今天一口气把十大排序剩下的全部解决。 因此计数排序需要使用一个辅助数组计数列表，也可以叫做，因此空间复杂度不是 O(1) ，是一种牺牲空间换取时间的排序算法。 计数排序的核心思想：遍历待排序的数据，寻找最大值 k，然后开辟一个长度为k+1的计数列表，计数列表中的值都为0。如果走访到的元素值为i，则计数列表中索引i的值加1。 0: s.append(ind+min_num) i -= 1 if __name__ == '__main__': a = [3,6,8,4,2,6,7,3 不同的桶就各自排序，所以叫做桶排序。 关于桶排序的代码编写，其实说简单也简单，说难也挺难。 下面，我以区间为10的来划分不同的桶。桶里面的排序选择快排，因此也需要用递归写一个快排算法，具体代码如下。
72020编辑于 2022-08-17 - 来自专栏全栈修炼
JavaScript 数据结构与算法之美 - 桶排序、计数排序、基数排序
之所以把 计数排序、桶排序、基数排序 放在一起比较，是因为它们的平均时间复杂度都为 O(n)。 桶排序（Bucket Sort） 桶排序是计数排序的升级版，也采用了分治思想。 思想 将要排序的数据分到有限数量的几个有序的桶里。 每个桶里的数据再单独进行排序（一般用插入排序或者快速排序）。 2, 4, 6, 9, 2] // 计数排序耗时: 5.6708984375ms // newArr: [1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 2, 4, 6, 9, 2] // 计数排序耗时: 0.043212890625ms // newArr: [1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4 分析 第一，计数排序是原地排序算法吗 ？因为计数排序的空间复杂度为 O(k)，k 是桶的个数，所以不是原地排序算法。 第二，计数排序是稳定的排序算法吗 ？
94341发布于 2019-07-30 - 来自专栏开发与安全
十种排序算法总结（冒泡、插入、选择、希尔、归并、堆、快速，计数，桶，基数）
and algorithm analysis in c 》 2、《大话数据结构》 3、http://blog.csdn.net/morewindows/article/details/7961256 4、 &arr[i]); percDown(arr, 0, i); } } int main(void) { int arr[] = { 9, 2, 5, 8, 3, 4, 八：计数排序 计数排序(Counting sort)是一种稳定的排序算法。计数排序使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数。 i放在新数组的第C(i)项，每放一个元素就将C(i)减去1 由于用来计数的数组C的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组 九：桶排序 桶排序 (Bucket sort)或所谓的箱排序，是一个排序算法，工作的原理是将数组分到有限数量的桶子里。
1.2K00发布于 2017-12-22 - 来自专栏开发与安全
十种排序算法总结（冒泡、插入、选择、希尔、归并、堆、快速，计数，桶，基数）
and algorithm analysis in c 》 2、《大话数据结构》 3、http://blog.csdn.net/morewindows/article/details/7961256 4、 0], &arr[i]); percDown(arr, 0, i); } }int main(void) { int arr[] = { 9, 2, 5, 8, 3, 4, 八：计数排序 计数排序(Counting sort)是一种稳定的排序算法。计数排序使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数。 i放在新数组的第C(i)项，每放一个元素就将C(i)减去1 由于用来计数的数组C的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组， 九：桶排序 桶排序 (Bucket sort)或所谓的箱排序，是一个排序算法，工作的原理是将数组分到有限数量的桶子里。
66420发布于 2019-05-25 - 来自专栏linjinhe的专栏
设计数据密集型应用（4）：Encoding and Evolution
分布式系统滚动升级的过程中，新旧数据与代码是同时并存的。如果出现异常，可能还需要回退程序。因此，升级过程中需要保证：
1.1K10发布于 2020-02-18
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