游客hmzk6xi5mlygs
游客hmzk6xi5mlygs_个人页
游客hmzk6xi5mlygs
文章
0
问答
971
视频
0
个人介绍
暂无个人介绍
擅长的技术
-
提交了问题
2022-05-12
Buyer Growth本质是什么？
-
提交了问题
2022-05-12
如何通过线上场景来驱动自动化测试的方式进行测试场景的全量覆盖?
-
提交了问题
2022-05-12
在盒马其他典型领域的实践如何?
-
提交了问题
2022-05-12
在交易领域的特征覆盖率的提升经过了以下几个阶段？
-
提交了问题
2022-05-12
结合核心模块的介绍，基于核心的场景模型驱动自动化执行过程为基准，分为哪些？
-
提交了问题
2022-05-12
以数据库的全量数据作为特征提取的来源，当然不少团队也在尝试使用接口调用过程中的全量入参数据。具体有?
-
提交了问题
2022-05-12
通过不断的迭代以提升特征的精准度与全面度，具体的核心有哪些提取过程？
-
提交了问题
2022-05-12
执行链路推荐出来后，这时候的链路还是无法执行的，目标是什么？
-
提交了问题
2022-05-12
规则后的场景如何表达？
-
提交了问题
2022-05-12
数据如何被规则化？
-
提交了问题
2022-05-12
哪些数据可以被规则化？
-
提交了问题
2022-05-12
被测系统又什么规律？
-
提交了问题
2022-05-12
业务场景建模问题定义中应该怎么面对系统？
-
提交了问题
2022-05-12
推演出本文的模型驱动自动化解决策略有哪些？
-
提交了问题
2022-05-12
从业界来说，比较难的也同样是如何用比较简单的手段做到业务的全场景覆盖？
-
提交了问题
2022-05-12
利用lazy单子如何实现三参数？
-
提交了问题
2022-05-12
利用Lazy 单子如何实现 ？
-
提交了问题
2022-05-12
盒马业务有哪些特点？
-
提交了问题
2022-05-12
利用 Lazy 构造通用 User 实体的工厂是如何实现的？
-
提交了问题
2022-05-12
Lazy 的最终代码如何实现的？
-
提交了问题
2022-05-12
如何实现Lazy 函子?
-
提交了问题
2022-05-12
单子是如何定义的？
-
提交了问题
2022-05-12
Lazy如何实现单子 （Monad）？
-
提交了问题
2022-05-12
Lazy 的泛型层次也会同样增加，三参数是如何实现的？
-
提交了问题
2022-05-12
需要部门和主管两个参数来调用权限系统来获得权限，而部门和主管这两个值都是惰性的值。如何用嵌套map？
-
提交了问题
2022-05-12
如何通过map我们很容易解决之前遇到的难题,map中传入的函数可以在假设部门信息已经获取到计算？
-
提交了问题
2022-05-12
所以函子是比 map 方法更加严格的定义，他还要求 map 满足哪些的定律？
-
提交了问题
2022-05-12
函子的定义？
-
提交了问题
2022-05-12
函子的计算对象是什么？
-
提交了问题
2022-05-12
怎么通过 Lazy 来写之前的惰性计算代码？
-
提交了问题
2022-05-12
什么是Lazy 实现函子（Functor）？
-
提交了问题
2022-05-12
如何通过两个属性部门和主管是有相关性，rpc接口获用户部门需rpc，另一个rpc接口根据部获得主管。
-
提交了问题
2022-05-12
例举一个简单的构造 User 实体的例子?
-
提交了问题
2022-05-12
怎么通过这个惰性加载工具类来优化我们之前的通用用户实体?
-
提交了问题
2022-05-12
为了能在用户的主管这个方法参数中使用通用 User 实体，必须付出额外的代价是什么?
-
提交了问题
2022-05-12
Supplier 存在一个关于get的问题？
-
提交了问题
2022-05-12
Supplier的本质是在Java语言中引入惰性计算的机制，在Java中实现等价的惰性计算，应怎写？
-
提交了问题
2022-05-12
Java 8 的 Supplier 的本质是什么？
-
提交了问题
2022-05-12
将 department等全部变成惰性加载的字段，在需要的时候才进行外部调用获得，这样做有哪些好处？
-
提交了问题
2022-05-12
如何判断一个用户是否是另一个用户的主管？
-
提交了问题
2022-05-12
Model和Checker的特性有哪些？
-
提交了问题
2022-05-12
“用户” 是系统中常见的一个实体，除了用户的 id 外，还含有部门信息，用户的主管等的代码是什么?
-
提交了问题
2022-05-12
如何实现自定义Model和Checker?
-
提交了问题
2022-05-12
简述Jepsen来进行自定义测试中的自定义Model和Checker?
-
提交了问题
2022-05-12
如何测试其他系统和功能？
-
提交了问题
2022-05-12
简述Jepsen来进行自定义测试中的包装接口?
-
提交了问题
2022-05-12
如何直接使用Jepsen来进行自定义测试？
-
提交了问题
2022-05-12
女娲使用Jepsen的例子中从本质和结构分析得出哪些结论?
-
提交了问题
2022-05-12
如何理解测试系统线性一致性等Jepsen已提供的验证model？
-
提交了问题
2022-05-12
如何测试Jepsen有效性？
暂无更多信息
暂无更多信息
-
回答了问题
2022-05-12
冒泡排序算法是什么？
冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。
赞0 踩0 评论0 -
回答了问题
2022-05-12
冒泡排序算法的优点是什么？
实现和理解简单。
赞0 踩0 评论0 -
回答了问题
2022-05-12
冒泡排序算法的缺点是什么？
时间复杂度是O(n^2)，排序元素多时效率比较低。
赞0 踩0 评论0 -
回答了问题
2022-05-12
冒泡排序算法的适用范围是什么？
数据已经基本有序，且数据量较小的场景。
赞0 踩0 评论0 -
回答了问题
2022-05-12
归并排序算法是什么？
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法的一个非常典型的应用。递归的把当前序列分割成两半（分割），在保持元素顺序的同时将上一步得到的子序列集成到一起（归并），最终形成一个有序数列。
赞0 踩0 评论0 -
回答了问题
2022-05-12
归并排序算法的优点是什么？
1.性能好且稳定，时间复杂度为O(nlogn) 。 2.稳定排序，适用场景更多。
赞0 踩0 评论0 -
回答了问题
2022-05-12
归并排序算法的适用范围是什么？
大数据量且期望要求排序稳定的场景。
赞0 踩0 评论0 -
回答了问题
2022-05-12
十大经典排序算法是哪些？
插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、计数排序、桶排序、基数排序。
赞0 踩0 评论0 -
回答了问题
2022-05-12
二叉查找树的作用有什么？
1.查找==》二分查找。 2.排序==》中序遍历。
赞0 踩0 评论0 -
回答了问题
2022-05-12
什么是二叉查找树？
二叉查找树是在二叉树的基础上增加了以下几个条件： 如果左子树不为空，则左子树上所有节点的值均小于根节点的值。 如果右子树不为空，则右子树上所有节点的值均大于根节点的值。 左、右子树也都是二叉查找树。
赞0 踩0 评论0 -
回答了问题
2022-05-12
快速排序算法是什么？
快速排序使用分治法策略来把一个序列分为较小和较大的2个子序列，然后递归地排序两个子序列，以达到整个数列最终有序。
赞0 踩0 评论0 -
回答了问题
2022-05-12
快速排序算法的优点是什么？
1.性能较好，时间复杂度最好为O(nlogn)，大多数场景性能都接近最优。 2.原地排序，时间复杂度优于归并排序。
赞0 踩0 评论0 -
回答了问题
2022-05-12
二叉堆的实现方式是什么？
数组：
赞0 踩0 评论0 -
回答了问题
2022-05-12
快速排序算法的缺点是什么？
1.部分场景，排序性能最差为O(n^2)。 2.不稳定排序。
赞0 踩0 评论0 -
回答了问题
2022-05-12
快速排序算法的适用范围是什么？
大数据量且不要求排序稳定的场景。
赞0 踩0 评论0 -
回答了问题
2022-05-12
堆排序算法是什么？
堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。
赞0 踩0 评论0 -
回答了问题
2022-05-12
堆排序算法的优点是什么？
1.性能较好，时间复杂度为O(nlogn)。 2.时间复杂度比较稳定。 3.辅助空间复杂度为O(1)。
赞0 踩0 评论0 -
回答了问题
2022-05-12
堆排序算法的适用范围是什么？
数据量大且数据呈流式输入的场景。
赞0 踩0 评论0 -
回答了问题
2022-05-12
计数排序算法的适用范围是什么？
数列元素是整数，当k不是很大且序列比较集中时适用。
赞0 踩0 评论0 -
回答了问题
2022-05-12
浮点数和十进制之间的转换规则有3种情况，分别是哪三种？
1.规格化：指数位不是全零，且不是全1时，有效数字最高位前默认增加1，不占用任何比特位。 2.非规格化：指数位是全零时，有效数字最高位前默认为0。 3.特殊值：指数全为1，有效数字全为0时，代表无穷大；有效数字不为0时，代表NaN（不是数字）。
赞0 踩0 评论0
滑动查看更多
暂无更多信息