第3届83行代码大赛第2关赛题官方解析

2021-11-22 404

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 由阿里云云效主办的2021年第3届83行代码挑战赛已经收官。超2万人围观，近4000人参赛，85个团队组团来战。大赛采用游戏闯关玩儿法，融合元宇宙科幻和剧本杀元素，让一众开发者玩得不亦乐乎。

其中大赛第二题，号称魔鬼算法题，拦住诸多代码好汉。

我们请来了第二题的出题人，刘力华（阿里云云效代码平台），为大家系统揭秘，从设计到攻略，还有优秀代码解析供大家参考。

赛题设计

我设计的第二关是希望能考察参赛者的基础算法、数据结构的能力。

设计来源

本赛题采用的是字符串前缀匹配算法，参数者需要先通过OSS获取待匹配的数据集，然后参赛者需要从中找出与指定前缀字符串相匹配的字符串数据。为什么会选择该算法呢？源于近期我在使用我们自己的开发插件时，它能够当我在代码搜索的输入框中输入Java API关键词时，可以自动提供API名称的补全提示，受该功能模块启发，因此希望设计一个题目让参赛者实现一个Java API名称的前缀匹配算法。

此处打个广告：我们的插件是阿里云智能编码插件，现已上架JetBrains插件市场，可以在IntelliJ IDEA中通过搜索Alibaba Cloud AI Coding Assistant下载使用。插件包含了代码智能补全及代码示例搜索功能，让开发者更快速、行云流水的完成编码。

整个赛题的设计难点在于如何让本赛题具备一定的挑战性。但又保证一定的通关率。该赛题在外部题库有类似的算法题，属于中等难度，所以中等难度能提高一定的通过率。为了避免参赛者通过Java的String.startsWith及双循环就直接通过，所以增大了评测的数据量，但是为了控制赛题难度，评测的数据集分为几十万的小数据集以及几百万的大数据集，只要能较好的解决小数据集问题，就能通过该赛题。

评分系统

本赛题的打分系统基于函数计算设计，系统会随机选择一个小规模数据集和一个大规模数据集，并依次串行运行参赛者的代码，并针对这两个数据集对参赛者编写的代码从准确性、性能开销、内存消耗维度进行评估。

赛题攻略

OSS数据获取

本赛题的数据集存储在OSS中，所以需要参赛者通过OSS的SDK进行数据的获取，参赛者可以通过代码注释中的文档链接去学习OSS SDK如何使用，也可以通过近期发布的阿里云智能编码插件（Cosy）快速查看OSS SDK的示例代码。

如上图所示，如果参赛者想知道OSSObject的数据如何获取，可以在该API上右键点击“查看代码示例”，智能编码插件就能快速查找出实现OSS数据获取相关的代码示例，参赛者只需要选择性复制并修改部分代码即可。

此外，开发者也能通过代码智能补全功能，通过选择整行的代码补全结果，快速的编写出获取OSS数据的代码，如下图所示。

算法攻略

该赛题的解题方法是比较多样化的，参赛者采用的方法主要分为以下几种。

第一种：自己实现算法及数据结构

赛题攻略中提到了Trie Tree，一个较为基础的数据结构，一个较好的Trie Tree也能够通关本赛题。但是Trie Tree的性能开销及内存消耗也都是比较大的，可以考虑Trie Tree的诸多变种，比如Double Array Trie，用双数组去节省空间，比如Radix Tree及其诸多变种，通过减少树的深度去压缩Trie Tree的内存占用。为了对比各种Trie Tree实现的效果，这里引用《MergedTrie: Efficient textual indexing》论文的相关评测数据。

还有很多参赛者通过减少双层循环的次数、减少前缀匹配的性能开销等方法，也同样获得了较高的分数。

第二种，使用JDK内置的数据结构

JDK内置数据结构的性能也是比较高的，部分参赛者使用了TreeSet进行排序，然后通过用subSet方法就能直接获取匹配的前缀字符串数据，该方式比较简单快捷，且代码量较小。

参赛代码SHOW

参赛者对本赛题的解法诸多，由于篇幅限制，本文章只展示四位参赛者的代码片段。

参赛者代码片段一

该解法通过String.substring方法去截取字符串不同长度的前缀，并将截取的前缀直接从result的Map中进行查找，该方法无需像String.startsWith逐一进行字符的比较，所以效率会有较大提升，使用这种解法的参赛者比较多，还有部分参赛者会对截取的长度进行限制，比如事先统计前缀字符串的最短及最长的长度，只需遍历生成该长度范围内的前缀即可。

参赛者代码片段二

该解法会先排除超出前缀字符串最短及最长长度范围的数据，然后对数据集进行排序。随后遍历待匹配的前缀字符串列表，为每个前缀字符串通过二分查找计算数据集中，与其匹配位置的数组上界及下界，然后将该范围内的数据抽取出来即可。

参赛者代码片段三

该解法与排序方法类似，使用了JDK内置的TreeSet进行排序，然后通过TreeSet.subSet方法截取与前缀字符串匹配的数据。

部分参赛者为了提高挑战性，放弃使用TreeSet，自己实现了相关的排序及查找方法

参赛者代码片段四

这是排名第一的参赛者的代码，该参赛者对Trie树进行了优化，使用CharNode、ArrayNode减少部分存储消耗，其中ArrayNode中通过shift存储偏移量，数组的下标位置加上shift偏移量即为字符的ASCII码。

并且该参赛者在输出数据时没有将字符串存储到字符串数组中，而是定义了ByteBuf，在输出时直接以JSON字符串形式存储到字节数组中。

总结

尽管很多参赛者在这一关遇到了较多困难，尤其是在处理大规模数据集时。但正因为如此，我们也发现很多选手并不止步于通关，他们会努力尝试不同的解法、不断地优化算法，哪怕只是提升了0.01分，这一点对我们团队的触动也是很大的。赛事后我们也反思了一些做得不够好的地方，比如IDE评分栏缺少内存消耗、性能开销等具体数字的展示，导致部分参赛者不知道实际的内存消耗，后续我们会对这些细节点上进行优化，如果大家有好的想法及建议，欢迎反馈给我们！

看完攻略如果你还想体验赛题，依然可以前往https://code83.ide.aliyun.com，我们目前仍然开放给大家进行体验。

最后，欢迎大家试用智能编码插件：https://developer.aliyun.com/tool/cosy，它作为一款AI开发插件，拥有强大的代码智能补全、代码示例搜索等功能，让开发行云流水般编码，事半功倍地完成开发工作。你可以在IntelliJ IDEA或JetBrains插件市场中搜索Alibaba Cloud AI Coding Assistant或Cosy，使用中如果有任何问题或建议都可以反馈到Github Issues中，我们会认真倾听你的声音。