貢獻者26
粉絲0
1. 示例 週末你帶着TA去電影院看電影，TA問你，咱們現在坐在第幾排啊？電影院裏面太黑了，看不清，沒法數，現在你怎麼辦？ 這時可以這樣操作：問前一排的，他是第幾排。前一排的不知道自己是第幾排，繼續向前問。直到第一排，由於他面對着屏幕，知道自己是第一排。之後再給後面的回話：“我是第一排”，後面的知道了前面的，也就知道了自己的（在前面的基礎上+1）。之後再給後面的回覆。 2. 遞歸條件 3.
昵稱 cqu_jiangzhou
1. 題目 描述 已知兩顆二叉樹，將它們合併成一顆二叉樹。合併規則是：都存在的結點，就將結點值加起來，否則空的位置就由另一個樹的結點來代替。例如： 數據範圍：樹上節點數量滿足 0 ≤n≤500，樹上節點的值一定在32位整型範圍內。 進階：空間複雜度 O(1) ，時間複雜度 O(n) 示例1 輸入： {1,3,2,5},{2,1,3,#,4,#,7} 返回值： {3,4,5,5,4,#,7}
昵稱 cqu_jiangzhou
1. 題目 描述 給定一個二叉搜索樹, 找到該樹中兩個指定節點的最近公共祖先。 1.對於該題的最近的公共祖先定義:對於有根樹T的兩個節點p、q，最近公共祖先LCA(T,p,q)表示一個節點x，滿足x是p和q的祖先且x的深度儘可能大。在這裏，一個節點也可以是它自己的祖先. 2.二叉搜索樹是若它的左子樹不空，則左子樹上所有節點的值均小於它的根節點的值； 若它的右子樹不空，則右子樹上所有節點的值均大於它
昵稱 cqu_jiangzhou
1. 題目 描述 給定一棵二叉樹(保證非空)以及這棵樹上的兩個節點對應的val值 o1 和 o2，請找到 o1 和 o2 的最近公共祖先節點。 數據範圍：樹上節點數滿足 1≤n≤10^5^ , 節點值val滿足區間 [0,n) 要求：時間複雜度 O(n) 注：本題保證二叉樹中每個節點的val值均不相同。 如當輸入{3,5,1,6,2,0,8,#,#,7,4},5,1時，二叉樹{3,5,1,6,2,
昵稱 cqu_jiangzhou
在當今數據驅動的時代，企業需要處理和存儲海量數據。數據湖與數據倉庫作為兩種主要的數據存儲解決方案，各自有其獨特的優勢與適用場景。本文將客觀詳細地介紹數據湖與數據倉庫的基本概念、核心區別、應用場景以及未來發展趨勢，幫助讀者更好地理解和選擇適合自身需求的數據存儲方案。 一、基本概念 數據湖（Data Lake） 數據湖的概念最早由Pentaho公司的James Dixon在2011年提出，是一種能夠存
昵稱 鏡舟科技
最大堆、最小堆、 heap 、 優先隊列在數據結構算法題目裏都是一個東西。這裏討論 container/heap 的使用。 參考： https://pkg.go.dev/container/heap https://github.com/EndlessCheng/codeforces-go/blob/master/copypasta/heap.go 靈佬筆記，非常有用 在算法題目中，我們經
昵稱 user_zsXbv7Bi
為什麼需要位運算 機器裏的數字表示方式和存儲格式就是二進制 位運算符 含義 運算符 示例 左移 0011 --- 0110 右移 0110 --- 0011 按位或 \ 0011 \ 1011 --- 1011 按位與 0
昵稱 Nick
字典樹的數據結構 字典樹，即 Trie 樹，又稱單詞查找樹或鍵樹，是一種樹形結構。典型應用是用於統計和排 序大量的字符串(但不僅限於字符串)，所以經常被搜索引擎系統用於文本詞頻統計。 它的優點是:最大限度地減少 無謂的字符串比較，查詢效率 比哈希表高。 字典樹的基本性質 結點本身不存完整單詞。 從根結點到某一結點，路徑上經過的字符連接起來，為該結點對應的 字符串。 每個結點的所有子結
昵稱 Nick
動態規劃 Dynamic Programming Wiki 定義： https://en.wikipedia.org/wiki/Dynamic_programming “Simplifying a complicated problem by breaking it down into simpler sub-problems” (in a recursive manner) Divide
昵稱 Nick
深度優先搜索和廣度優先搜索 深度優先 DFS Depth First Search 遍歷方式 遞歸 非遞歸，使用循環遍歷，需要棧後進先出的特性來輔助 廣度優先 BFS Breadth First Search 遍歷方式 循環遍歷，需要隊列先進先出的特性來輔助 貪心算法 Greedy 貪心算法是一種在每一步選擇中都採取在當前狀態下最好或最優(即最有利)的選擇，從而希望導致結果是全局最好
昵稱 Nick
遞歸 應用場景 一個問題的解可以分解成多個子問題的解。 這個問題與分解之後的子問題，除了數據規模不同，求解思路完全一樣。 存在遞歸終止條件。 遞歸代碼編寫技巧 找到如何將大問題分解成小問題的規律，基於此寫出遞推公式，推敲終止條件，將遞推公式和終止條件翻譯成代碼。 只要遇到遞歸，就把它抽象成一個遞推公式，不用想一層層的調用關係，不要試圖用人腦去分解遞歸的每個步驟。 遞歸代碼編寫難點
昵稱 Nick
隨着數字化轉型的推動，低代碼開發在企業中應用的場景越來越多。但是企業在處理海量數據與系統對接時，常遇到困難。那麼如何快速將外部數據轉化為系統可識別的結構化模型？今天我們以JVS低代碼為例，詳細聊一聊。 在JVS低代碼系統中推出的數據轉模型組件，數據轉模型組件可以解決批量數據映射與關聯的問題。它通過自動化映射機制，將用户上傳的Excel、CSV等格式文件中的文本信息（如用户姓名、部門名稱、下拉
昵稱 軟件部長
摘要：歸檔冷數據至 S3，藉助 StarRocks 實現一致性驗證與存儲降本 作者：Riley ，Airtable 數據基礎設施團隊 導讀： 開源無國界，在本期“StarRocks 全球用户精選案例”專欄中，我們將介紹總部位於舊金山的雲端協作服務公司 Airtable。作為一家致力於讓用户像操作表格一樣輕鬆構建數據應用的企業，Airtable 在 2025 年完成
昵稱 StarRocks
備選標題： 數據分層，不止分層那麼簡單！ 數據為什麼要分層？三招搞定多源異構數據 數據又多又亂，用的時候： 找不到？ 算得慢？ 還容易出錯？ 別頭疼了！數據分層就是解決這些問題的“法寶”。 簡單説，它就是： 給數據建個清晰有序的“家”，讓每一類數據都有固定的位置和職責。 今天，我就帶大家拆解數據分層最核心的三大層： 數據運營層(ODS) 數據倉庫層(DW) 數據應用層(ADS
昵稱 數據集成與治理
“數據架構”這個詞，搞數據的同行們天天都在説。 但你真的能一句話講清楚它到底是啥、為啥那麼重要、又該怎麼設計嗎？ 是不是一提到它，腦子裏就蹦出來一堆技術名詞和分層模型，比如 ODS、DWD、DWS、ADS？ 打住！數據架構可遠不只是技術的堆砌。 今天，我就拋開那些模糊的概念和花哨的術語，用大白話手把手拆解數據架構的核心邏輯—— 數據架構到底是什麼？ 為什麼需要數據架構？它有什麼作
昵稱 數據集成與治理
作者：任志民，2023 年加入去哪兒旅行數據平台團隊，主要負責數據平台 OLAP 引擎基礎建設和相關數據產品研發工作。 導讀： 在去哪兒網新一代數據平台架構中，StarRocks 作為統一 OLAP 引擎，替代了原有的 Trino、Presto、Druid、Impala、Kudu、Iceberg、ClickHouse 等多個引擎。如今，去哪兒網 StarRocks 集羣覆蓋全司業務線，支撐
昵稱 StarRocks
天天聽人説“數據架構”，是不是覺得有點懵又有點煩？別急！今天咱們就拋開那些高大上的術語，好好聊聊：數據架構到底是啥？它為啥這麼重要？ 其實説白了，數據架構就是你公司裏那套管數據的“規矩”和“方法”——數據放哪？怎麼算？怎麼跑？怎麼用？全歸它管！ 為啥要搞這套“規矩”？因為數據太亂了！到處是孤島，質量參差不齊，想用的時候找不着、用不好。好的數據架構，就是來解決這些頭疼事的！它能讓你公司的數據井井有
昵稱 數據集成與治理
公眾號不引流 工作中處理數據時，你是否曾被這些問題所困擾： 數據庫裏的字段名到底是什麼意思？報表裏的指標是怎麼算出來的？某個數據是從哪裏來的？ 數據字典就是專門解答這些問題的工具。 它詳細記錄了數據的名稱、具體含義、類型、長度、可能的取值範圍、從哪裏來、怎麼算的等關鍵信息。無論是寫代碼的開發者、用數據做分析的同事，還是管理數據的人員，都需要數據字典來準確理解和使用數據。今天這篇文章會直接告訴你
昵稱 數據集成與治理
我發現很多企業做數字化，都遇到過這些問題： 上了ERP、MES、SCADA等系統，但數據互不聯通； 想做個生產分析，發現數據在ERP裏，質量數據在MES裏，設備數據又在另一個系統； 領導想看實時生產情況，IT部門卻要花好幾天整理數據。 但説到底，我們不是沒有數據，而是缺少一套能夠打通數據、真正服務業務的數據架構。 一、先搞清楚什麼是數據架構 一提到“架構”，有人覺得是 IT 部門的“技術
昵稱 數據集成與治理
回溯算法可以形象地理解為在一棵n 叉樹上的探索過程，其核心機制就是"開枝散葉"與"修剪枝條"的有機結合 理解回溯：以 Leetcode 93 題"復原 IP 地址"為例： 🌿 開枝過程 每個 IP 段的長度範圍為 [1, 3]，因此每層循環最多擴展3 個分支 這相當於在樹的每個節點處，橫向展開1-3 條可能的路徑 🍃 散葉過程 選中一個有效分支後，縱向深入遞歸探索 IP
昵稱 杭城小劉
數據是體育 API 的核心資產，足球與籃球因運動特性差異，形成了各具特色的核心數據體系，且需通過標準化技術路徑實現接入與應用。以下從數據解析、技術實現、場景落地、實施考量四大維度，構建完整的 API 接入指南。 一、核心數據類型解析 1.足球數據維度 比賽基礎信息： 賽事架構：聯賽層級、賽季階段、比賽狀態 參與方信息：球隊陣容、球員資料、裁判組成 動態事件流： 場上行為：傳球路線、射門嘗試
昵稱 行走的體育數據庫
前言 本篇博客主要是記錄手寫這些這數據結構的底層實現，加深對線性結構的理解，實現自己的一個小型數據結構庫，也會進行簡單的時間複雜度分析，對不同的實現進行比較和優化，即側重於代碼實現。由於數據結構是實踐性比較強的一個科目，希望大家在看這篇博客時，自己也去寫一下代碼，看一下運行結果是不是自己想要的，我也會貼出我的運行結果來進行分析。 數組 數組介紹 數組是在內存中存儲相同數據類型的連續的空間，
昵稱 程序員波特
作者：李進勇 政採雲研發中心數據平台負責人 導讀： 在當下數字化轉型的浪潮中，數據早已從輔助資源躍升為核心生產資料和決策基礎。政府提升治理效能，企業優化運營、創新服務，都深度依賴對海量數據的實時洞察與高效處理。 政採雲平台作為政府採購數字化的創新典範，集監管、交易、服務於一體，經過近九年的發展，已成為行業內服務範圍最廣、用户數量最多、交易最活躍、監管產品最豐富的跨區域、跨層級、跨領域的一
昵稱 StarRocks
摘要：本文將詳細介紹如何通過StockTV API對接韓國和日本股票市場的實時行情數據，涵蓋從API申請、接口調用到數據解析的完整流程，並提供Python代碼示例。 一、StockTV API StockTV API 提供全球多個國家的金融市場數據，其中韓國和日本市場數據尤為全面。以下是選擇StockTV API的幾大理由： 覆蓋全面：支持韓國KOSPI、KOSDAQ和日本東京證券交易所
昵稱 CryptoRzz
