- 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。 50个输入，统计每个数字出现的次数 for (int i = 1; i <= 50; i++) { cin >> t; a[t]++; // 将数字t对应的计数加 50个输入，统计每个数字出现的次数 for (int i = 1; i <= 50; i++) { cin >> t; a[t]++; // 将数字t对应的计数加
25200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[]
39150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 计数排序实现 下面为列表的计数排序 def count_sort(s): """计数排序""" # 找到最大最小值 min_num = min(s) max_num = max(s) # 计数列表 count_list = [0]*(max_num-min_num+1) # 计数 for i in s: count_list 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 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
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 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
19800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 （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
80510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。 ? 计数排序（counting sort） 目前介绍的利用比较元素进行排序的方法对数据表长度为n的数据表进行排序时间复杂度不可能低于O(nlogn)。 ，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。
17900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
38010编辑于 2022-10-28 - 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。 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 对于整数而言，因为每一位的大小都是0～9，因此可以对每一次使用计数排序，从而对任意整数进行排序。 假设需要排序的数位数d，因此如果对每一位都使用计数排序的话，总的时间复杂度为o(dn)时间复杂度为O (nlog(r)m)，其中r为所采取的基数，而m为堆数，在某些时候，基数排序法的效率高于其它的稳定性排序法
69720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
57330发布于 2019-02-18 - 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。 计数排序 计数排序是一种思维很高的排序，使用的场景是「待排序序列中元素的取值范围比较小」，这种算法有时候会比快速排序还要快。 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。 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。
71620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）。 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 ？ 复杂性对比 基数排序 vs 计数排序 vs 桶排序 基数排序有两种方法： MSD 从高位开始进行排序 LSD 从低位开始进行排序 这三种排序算法都利用了桶的概念，但对桶的使用方法上有明显差异： 基数排序 ：根据键值的每位数字来分配桶； 计数排序：每个桶只存储单一键值； 桶排序：每个桶存储一定范围的数值； 复杂性对比 名称 平均 最好 最坏 空间 稳定性 排序方式 桶排序 O(n + k) O(n + k
93541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）
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。 算法的步骤如下： 找出待排序的数组中最大和最小的元素 统计数组中每个值为i的元素出现的次数，存入数组C的第i项 对所有的计数累加（从C中的位置为1的元素开始，每一项和前一项相加） 反向填充目标数组：将每个元素 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。 每个桶子再个别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序） 桶排序以下列程序进行： 设置一个定量的数组当作空桶子。 寻访串行，并且把项目一个一个放到对应的桶子去。
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）
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。 算法的步骤如下： 找出待排序的数组中最大和最小的元素 统计数组中每个值为i的元素出现的次数，存入数组C的第i项 对所有的计数累加（从C中的位置为1的元素开始，每一项和前一项相加） 反向填充目标数组：将每个元素 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。 每个桶子再个别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序） 桶排序以下列程序进行： 设置一个定量的数组当作空桶子。 寻访串行，并且把项目一个一个放到对应的桶子去。
65120发布于 2019-05-25 - 来自专栏全栈程序员必看
十大经典排序算法详解(三)-堆排序,计数排序,桶排序,基数排序
十大经典排序算法-堆排序,计数排序,桶排序,基数排序 前言 这是十大经典排序算法详解的最后一篇了. ,按照惯例,还是通过下面的图来帮助大家更好的理解计数排序的基本思想: 了解完计数排序的基本思想之后,我们还是按照惯例分析一下计数排序算法的一些特点: -计数排序是稳定的 ,这个大家应该能很明显的看出来 又假设我们桶的数量太多,就比如说有MAX-MIN+1个桶: 那么很显然这时候的桶排序又重新退化成了我们上面刚刚讲解过的计数排序了. 接下来我们还是通过下面的图来动态演示一下桶排序的过程: 了解完桶排序的基本思想之后,按照惯例我们还是来简单分析一下他的一些特点: 桶排序是稳定的,原因和上面计数排序的理由是一样的. 时间复杂度 桶排序的时间复杂度和上面的计数排序是一样的,同样也是线性级别的,但是也是增加了桶的时间,所以也是O(n+k) 空间复杂度 上面我们已经说过了,桶排序本身也是一个通过空间来换取时间的算法
58220编辑于 2022-09-14 - 来自专栏Java
用 Spring Boot 实现秒杀系统的流量控制：计数器算法与令牌桶算法
用 Spring Boot 实现秒杀系统的流量控制：计数器算法与令牌桶算法 在秒杀系统中，流量控制是至关重要的一环。 为了防止瞬时的请求激增导致系统崩溃，我们可以采用计数器算法和令牌桶算法来限制用户的请求频率。本文将结合 Spring Boot，通过具体的代码示例介绍这两种算法，并使用生动的比喻来解释其原理。 1. 计数器算法 计数器算法是一种简单直观的流量控制方法。想象一下，我们有一个包裹计数器，每当用户发起秒杀请求，计数器就加一。当计数器超过设定的阈值时，我们暂时停止接收请求，以避免系统过载。 当请求计数未超过阈值时，允许秒杀请求；当计数超过阈值时，返回请求过于频繁的提示。 2. 令牌桶算法 令牌桶算法是一种更为灵活的流量控制方式。 我们可以将其比喻为一个装有令牌的桶，系统以一定的速率不断往桶中放入令牌。用户请求时，需要从桶中获取令牌，如果桶中没有足够的令牌，则拒绝请求。
35410编辑于 2025-01-21 - 来自专栏java，python，数据结构，算法
十大经典排序算法详解(三)-堆排序,计数排序,桶排序,基数排序
这一篇文章真的耗费了我巨大的时间和精力,由于 堆排序是基于二叉树 的,所以写的篇幅比较大并且由于是关于树的,所以画图动态演示的工程量就进一步增加,其次就是因为计数排序,桶排序以及基数排序并不是基于比较的 ,按照惯例,还是通过下面的图来帮助大家更好的理解计数排序的基本思想: 了解完计数排序的基本思想之后,我们还是按照惯例分析一下计数排序算法的一些特点: -计数排序是稳定的 ,这个大家应该能很明显的看出来 又假设我们桶的数量太多,就比如说有MAX-MIN+1个桶: 那么很显然这时候的桶排序又重新退化成了我们上面刚刚讲解过的计数排序了. 接下来我们还是通过下面的图来动态演示一下桶排序的过程: 了解完桶排序的基本思想之后,按照惯例我们还是来简单分析一下他的一些特点: 桶排序是稳定的,原因和上面计数排序的理由是一样的. 时间复杂度 桶排序的时间复杂度和上面的计数排序是一样的,同样也是线性级别的,但是也是增加了桶的时间,所以也是O(n+k) 空间复杂度 上面我们已经说过了,桶排序本身也是一个通过空间来换取时间的算法,所以很明显他的空间复杂度就会很高
79450发布于 2021-02-02
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