woooow_个人页

一致性hash算法

https://www.cnblogs.com/xrq730/p/5186728.html http://mp.weixin.qq.com/s?__biz=MzIxMjE5MTE1Nw==&mid=2653191083&idx=1&sn=c68c8bb...

布隆过滤器

https://blog.csdn.net/u014653197/article/details/76397037 https://blog.csdn.net/woaigaolaoshi/article/details/51283212 https://blog.

java中的hash算法

https://blog.csdn.net/yc_game/article/details/67633668 https://blog.csdn.net/majinggogogo/article/details/80260400 https://blog.

B树和B+树

本文转载自博客，因为题主写的已经很详细了。 还有，必须要强调一点，树的深度过大而造成磁盘I/O读写过于频繁，进而导致查询效率低下，只有减少树的深度，让树从“高瘦”变成“矮胖”就可以减少I/O次数，从而提高查询效率（查找树的每一个结点都要进行一次I/O） B树是为实现高效的磁盘存取而设计的多叉平衡搜索树。

红黑树

红黑树原理 红黑树（Red-Black Tree，简称R-B Tree），它是一种特殊的二叉查找树。首先它满足二叉查找树的特征：任意结点结点包含的键值，大于左孩子的键值，小于右孩子的键值。

Java中Bitmap的实现

说bitmap之前，我们要明白数字在内存中的表示，如果说byte用8个二进制位表示，即可以表示个数，每个byte占8位，即每个byte占8行，在内存中这样形象的表示： 而bitmap结构，充分利用了每一行所有的位数，它将每个位置作为一个数，那么一行就可以模拟表示出8个数。

Dubbo

Netty实践

数据通信 数据通信整体的类如下，MarshallingCodeCFactory可以省去，这个只是代替java的序列化的功能，因为java的序列化功能效率低： Client.

netty

首先写在最前面的一点，关于netty5的用户指南，可以参照这里 Netty的hello world 一个经典的hello world程序有四个类，分布是Client，ClientHandler，Server，ServerHandler，下面是它们的代码 Client.

垃圾回收算法

为什么新生代和老年代用不同的回收算法？ 因为新生代的对象死的快，老年代都是在新生代经过15次gc存活下来的对象，一般都很少被释放，所以用不同的回收算法。

虚拟机参数

关于虚拟机参数，总体有两大类： -XX 对于系统级别的（jvm）配置，配置日志信息，或者说配置jvm使用什么样的垃圾回收器。 非-XX的 基本上都是对应用层面上的配置。

虚拟机概念

java并发（二）：深入分析volatile实现原理

volatile的原理实现可以看这篇文章，真的是从硬件层面上说明了volatile怎样保证可见性 下面这个实例，如果没有设置成volatile关键字，那么线程读的isRunning永远都是自己私有内存中的，线程将会一直在while循环...

网络编程基础篇

传统的BIO编程，服务器的主线程需要先阻塞，然后等待客户端的请求才去创建线程执行。一般分为两个部分，client和server。

ActiveMQ

线程高级篇（二）：JDK的Executors框架

线程高级篇（一）：多线程任务框架

锁的概念： package com.

线程中级篇（二）：多线程的设计模型

master-worker模型的程序说明图 master-worker模型的代码 布鲁布鲁

线程中级篇(一)：基本并发容器

传统的容器并没有实现线程安全，所以在多线程的情况下，并不管用。本文首先自己手写一个并发Queue引出全文： import java.util.LinkedList; import java.

java并发（一）：线程基础篇

线程的创建很简单，一般是集成Thread类或者实现Runnable接口，我就不细说了。然后，要牢记多线程的3大特性：多线程的三个特性：原子性、可见性、有序性 原子性：是指一个操作是不可中断的。

Redis基本操作

https://blog.csdn.net/column/details/16302.html

shiro与企业项目整合开发(基于Spring)

https://blog.csdn.net/u013087513/article/details/75196199

基于shiro的权限设计

shiro介绍 Apache shiro是一个权限控制框架，它将安全认证抽取出来，实现用户身份认证，权限授权，加密，会话管理等功能，是一个通用的安全认证框架，而且还可以用于分布式集群。

JavaWeb权限设计原理

每个系统都有权限设计，本篇主要将初始的权限设计的原理，不依赖任何框架，以直观的角度剖析web的权限设计。 权限设计的原理知识 什么是权限管理 只要有用户参与的系统一般都有权限管理，权限管理实现对用户访问系统的控制。

数据库知识杂点

1.如何求最大的或者最小的 select * from A order by id（从小到大排序） desc（逆序）limit 1（只取第一个） 或者 select * from A where id = (select max(id) from A) //使用max()函数 2.

LeetCode 第8题：实现 atoi，将字符串转为整数

题目描述： 实现 atoi，将字符串转为整数。 该函数首先根据需要丢弃任意多的空格字符，直到找到第一个非空格字符为止。如果第一个非空字符是正号或负号，选取该符号，并将其与后面尽可能多的连续的数字组合起来，这部分字符即为整数的值。

排列组合

排列组合在笔试面试中不会太难，一般有以下的特点： image.png 案例1 案例2 案例3 案例4 案例5 案例6 其实还有一些比较难的排列组合的题，这里就不意义列举了。

位运算

一般位运算的题目都是神仙题，靠平时的积累。 一般位运算常见的操作符有： & ：按位与 | ：按位或 ^ ：按位异或 ~ ：取反

大数据

Map-Reduce和Hadoop逐渐称为面试热门。还有，容量的转换如下： bit就是位，也叫比特位，是计算机表示数据最小的单位。 byte就是字节，1byte=8bit，1byte就是1B； 一个字符=2字节； 1KB=1024B 字节B到GB是 介绍他们之前，我们先来看看什么是哈希函数 什么是Map-Reduce。

概率计算

一般笔试面试中常会有概率问题的出现（算法较多），他们有这样的规律： 概率的应用有两块： 现在我们来看案例： 案例1 所以两强不相遇的概率为 那么两强相遇的概率为 案例2 案例3 案例4 关于步骤5的解释是，如果产生了21，22，23，24，那么重新进行步骤4，直到结果在0到20之间，这样产生21到24的概率会平均分配到0~20之间。

动态规划

我们先从换钱问题说起。 问题描述：给定数组arr，arr中所有的值都为正数且不重复。每个值都代表一种面值的货币，每种面值的货币可以使用任意张，再给定一个整数aim代表要找的钱数，求换钱有多少种方法。

9 8 7 6 5 4 3 2 1 = 100

题目描述：现有一等式；9 8 7 6 5 4 3 2 1 = 100。为了使等式成立，需要在数字间填写加号或者减号（可以不填，但不能填入其他符号）。之间没有填入符号的数字组合成一个数。

复杂链表的复制

题目描述：有一个复杂链表，其结点除了有一个Next指针指向下一个结点外，还有一个random指向链表中的任意结点或者NULL。其链表的定义如下： public class RandomListNode { int label; Rand...

n个人排队都不站在原来的位置

题目描述：有n个人首先站成一排，请问，当n个人第二次再重新排列，每个人都不在原来的位置上，问有多少种站法。例如，原来有3个人，ABC，那么第二次每个人都不在原来的位置上有2种站法，BCA和CAB。

窗口最大值问题

题目描述：给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值。例如，如果输入数组 {2,3,4,2,6,2,5,1} 及滑动窗口的大小3，那么一共存在6个滑动窗口：{[2,3,4],2,6,2,5,1}， {2,[3,4,2],6,2,5,1}， {2,3,[4,2,6],2,5,1}， {2,3,4,[2,6,2],5,1}， {2,3,4,2,[6,2,5],1}， {2,3,4,2,6,[2,5,1]}，他们的最大值分别为{4,4,6,6,6,5}。

2018-09-15

题目描述： 解决思路：

判断回文链表

题目描述：判断一个普通的链表是否是回文链表，要求时间复杂度O(n)，空间复杂度O(1) 解决思路： 最简单的方法是利用栈把链表的前半段压栈，然后出栈与链表的后半段逐个比对。

条件随机场

条件随机场就像HMM一样，最开始让我难以理解，但其实认真看了，也不是太难。本文总结自这边博客，它的引用的资料值得一看。 一、马尔可夫随机场 概率图模型（Probabilistic gaphical model，PGM）是由图表示的概率分布。

两个数组的元素之和最大的前k项

题目描述： 解决思路： 时间复杂度很低，除了数组排序那块需要O(NlogN)（或者O(MlogM)，看谁最大）之外，后面的顶多需要O(k^2)，应该不是很大。

隐马尔科夫模型

隐马模型还是看李航的《统计学习方法》，写的很明了。 以下内容来自邹博的ppt： ...

不合格产品

题目描述：现有n个物品，每个物品有三个参数ai,bi,ci，定义i物品不合格品的依据是：若存在物品j，且aj>ai, bj>bi, cj > ci，则称i物品为不合格品。

EM算法

这篇文章仅仅只是对这篇博客的总结整理，仅供自己学习之用。可能很多人会疑惑，自己转载就行了，为啥老是自己写。我觉得，不管什么东西，只有自己咀嚼过一遍，才算真的是领悟了。

Seq2Seq

关于seq2seq，我看过这位博主的文章，并且也去实践过，当时还将他的文章整理成博客笔记。但是，当时对seq2seq的理解确实不是很到位，所以昨天看到这位博主时是很疑惑的。

最小区间问题

题目描述：k个有序的数组，找到最小的区间范围使得这k个数组中，每个数组至少有一个数字在这个区间范围内。比如： 数组1：[4, 10, 15, 24, 26] 数组2：[0, 9, 12, 20] 数组3：[5, 18, 22, 30] 最小的区间是...

python正则表达式---基于re模块

正则表达式是很通用的一套规则，而本文是基于python的re模型的实现，来讲解正则表达式的语法。常见的正则表达式如图： 我们讲讲python中re模块常用的方法。

Attention模型

1、注意力模型的直观理解 我们以前用过这种Seq2Seq的编码解码架构（a Encoder-Decoder architecture）来完成机器翻译的任务。

AUC、ROC、Recall、Precision和F1 Score

以前看这东西经常迷惑，以为评估模型好坏的标准就是看预测对了多少，即： 正确率（accuracy） = 预测对的 / 总数。但是，不能总是用这种简单的指标来评测模型的好坏。

逻辑回归与正则化

1、逻辑回归 其实逻辑回归是从线性回归演化而来的（逻辑回归虽然有回归两字，但其实是做分类任务）。就举吴恩达的肿瘤预测为例，假如肿瘤是这样分布的，横轴为肿瘤大小，纵轴为是否是肿瘤（0或1），那么将样本点画在图上 当时，预测。

线性回归

写在最前面的几句话，我们下面所有的问题的符号规约如下： 代表训练集中实例的数量 代表输入变量 代表目标变量 代表训练集中的实例 代表第个实例 表示第个变量 代表学习算法的解决方案或函数，也成为假设（hypothesis） 是代价函数 1、单变量线性回归 单变量的线性回归比较简单，一般表达式为，现在我们来求代价函数。

卷积为何有效

要回答卷积为何有效，恐怕大家都要去看看这篇论文《Visualizing and Understanding Convolutional Networks》，它将每个卷积层的输出反卷积然后展示出来，让我们知道每一层的卷积到底是学习到了什么特征。