索引简介 索引(Index)是帮助MySQL高效获取数据的数据结构.可以得到索引的本质:索引是数据结构.你可以简单理解为“排好序的快速查找数据结构”. 在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法.这种数据结构,就是索引.下图就是一种可能的索引方式示例: 左边是数据表,一共有两列七条记录,最左边的是数据记录的物理地址 为了加快Col2的查找,可以维护一个右边所示的二叉查找树,每个节点分别包含索引键值和

Balls Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 907   Accepted: 598 Description The classic Two Glass Balls brain-teaser is often posed as: "Given two identical glass spheres, you would like to determine the lowest floor in a 100-s

一种最坏情况线性运行时间的选择算法 - The missing worst-case linear-time Select algorithm in CLRS. 选择算法也就是求一个无序数组中第K大(小)的元素的值的算法,同通常的Top K等算法密切相关. 在CLRS中提到了一种最坏情况线性运行时间的选择算法,在书中给出了如下的文字描述(没有直接给出伪代码). 1.Divide n elements into groups of 5 2.Find median of each group (Ho

题目 k个鸡蛋从N楼层摔,如果确定刚好摔碎的那个楼层,最坏情况下最少要试验x次? 换个说法: k个鸡蛋试验x次最多可以检测N层楼.计算出N? 逆向思维和数学公式解. 分析 定义N(k,x) 如果第k个鸡蛋碎了,则 还剩k-1块鸡蛋. 下一次只需检查下面的楼层. 还剩x-1次机会. 如果第k个鸡蛋没有碎,则 还剩k块鸡蛋. 下一次只需检查上面的楼层. 还剩x-1次机会. 即N(k,x) = 1 + N(k-1,x-1) + N(k,x-1) 初始值N(k,1)=1 N(1,x)=x 代码如下: 空

LINK:探险队 非常难的题目 考试的时候爆零了 完全没有想到到到底怎么做 (当时去刚一道数论题了. 首先考虑清楚一件事情 就是当前是知道整张地图的样子 但是不清楚到底哪条边断了. 所以我们要做的其实就是选择最优的路线 使得遇到断边情况下是最优的. 可以发现在某个点出现断边的时候 此时断的一定是这个点到终点最短路上的边 这样是最差的结果. 那么其实就是断边只会断由T发出的最短路树上的边. 到达某个点知道断边之后 其实要求出断开这条边再到T的最短路. 暴力是\(nm\cdot logn\)的 考虑

最长公共子序列问题: 给定2个字符串,求其最长公共子串.如abcde和dbada的最长公共字串为bd. 动态规划:dp[i][j]表示A串前i个和B串前j个的最长公共子串的长度. 则 若A[i] == B[j] , dp[i][j] = dp[i-1][j-1] + 1; 否则 dp[i][j] = max(dp[i-1][j],dp[i][j-1]); 时间复杂度O(N*M). dp[i][j]仅在A[i]==B[j]处才增加,对于不相等的地方对最终值是没有影响的. 故枚举相等点处可以对其进行

根据兔子试药情况可以缩小范围,如果死了,不在试过的药里面,如果活着,在试过的药里. 最糟的情况: 两个原则 1.能确定魔药所在的范围的尽量大,2.死得兔子尽量多. 如果当前不知道情况的药n为k的二倍以上,那么基于上面两个原则,试过药的兔子肯定会死. 没死:范围k,损失的兔子0 死了:范围n-k,损失的兔子1 (n>2*k) (符合两个原则) 设r=n%k,经过上述过程,损失了n/k-1只兔子,转移到了当前状态范围w = k+r, 1.r == 0 那么可以补充一个毒药,变成w=k+1,根据鸽巢原

传送门 题意 给出n种袜子,每种袜子个数a[i],两只相同种类袜子配成一对,询问至少拿出多少只袜子能确保配出k对袜子 分析 In order to find out the minimum number of socks needed, we should analyse the worst possible scenario. This happens when we first take one sock of each color. Next, whatever color we choo

今晚要参加网易的笔试,所以一直在刷题,刷到这个题的时候觉得自己的思路很模糊,就去网上百度了一下,找到一个大神给的解决方案: 如下: (http://ppwwyyxx.com/2013/Problem-of-Two-Eggs/) 自己写的代码:

平衡树是平时经常使用数据结构. C++/JAVA中的set与map都是通过红黑树实现的. 通过了解平衡树的实现原理,可以更清楚的理解map和set的使用场景. 下面介绍AVL树和红黑树. 1. AVL树 2.红黑树 在一颗含有N个结点的树中,我们希望树高为~lgN,这样我们就能保证所有查找都能在~lgN此比较内结束,就和二分查找一样.不幸的是,在动态插入中保证树的完美平衡的代价太高了.我们放松对完美平衡的要求,使符号表API中所有操作均能够在对数时间内完成. 2-3查找树 为了保证查找树的平衡性

B 树 B树与B+树 一:定义 B树(B-树)是一种平衡的多路查找树.-3树和2--4树都是B树的特例.节点最大的孩子数组称为B树的阶(order),因此,-3树是3阶B树,--4树是4阶B树. 二:属性 一棵最小度为t的B树是满足如下四个条件的平衡多叉树: 1.每个节点最多包含2t−1个关键字:除根节点外的每个节点至少有t−1个关键字(t≤),根节点至少有一个关键字: 2.一个节点u中的关键字按非降序排列:u.key1≤u.key2≤…u.keynu.key1≤u.key2≤…u.keyn:

题意:单点更新,大矩阵(\(n*n,n≤10^5\))求和 二维的KD树能使最坏情况不高于\(O(N\sqrt{N})\) 核心在于query时判断当前子树维护的区间是否有交集/当前子节点是否在块中,然后暴力.... 然后跑30s的KD树... 维护size的重构方法不知为何T了,借鉴了hzwer的按数目重构 一个微小的工作是如果更新时点相同那就直接合并,不要另开(虽然还是可以轻易地被卡) T了三天三夜的题总算告一段落了 #include<bits/stdc++.h> #define rep(

本文章转自洛谷 原作者: _皎月半洒花 一.简介线段树 ps: _此处以询问区间和为例.实际上线段树可以处理很多符合结合律的操作.(比如说加法,a[1]+a[2]+a[3]+a[4]=(a[1]+a[2])+(a[3]+a[4])) 线段树之所以称为“树”,是因为其具有树的结构特性.线段树由于本身是专门用来处理区间问题的(包括RMQ.RSQ问题等. 图片来源于互联网. 对于每一个子节点而言,都表示整个序列中的一段子区间:对于每个叶子节点而言,都表示序列中的单个元素信息:子节点不断向自己的父亲节点

R树数据结构 备注:参考wiki的内容. 简介 Guttman, A.; “R-trees: a dynamic index structure for spatial searching,” ACM, 1984, 14 R树在数据库等领域做出的功绩是非常显著的.它很好的解决了在高维空间存储数据,搜索等问题. 例如: 用手机查找附件商圈的所有餐厅.如果用经纬来记录餐厅的坐标(x,y), 这两个字段储存在数据库中.我们就需要遍历所有的位置信息,然后计算是否满足要求.如果是谷歌地图这种大数据库,遍历

在平摊分析中,运行一系列数据结构操作所须要的时间是通过对运行的全部操作求平均得出.反映在不论什么情况下(即最坏情况下),每一个操作具有平均性能.掌握了平摊分析主要有三种方法,聚集分析.记账方法.势能方法.掌握了平摊分析的方法以后,我们就能够利用他来分析一些优先队列. 一. 平摊分析 [问题一]对作用于一个初始为空的栈上的n个PUSH.POP和MULTIPOP组成的序列进行分析. [问题二]考虑一个由0開始向上计数的k位二进制计数器. 作用于一个初始为零的计数器上的n个INCREMENT操作的时间

Basic Compaction 为了保持LSM的读操作相对较快,维护并减少sstable文件的个数是很重要的,所以让我们更深入的看一下合并操作.这个过程有一点儿像一般垃圾回收算法. 当一定数量的sstable文件被创建,例如有5个sstable,每一个有10行,他们被合并为一个50行的文件(或者更少的行数).这个过程一 直持续着,当更多的有10行的sstable文件被创建,当产生5个文件时,它们就被合并到50行的文件.最终会有5个50行的文件,这时会将这5个50 行的文件合并成一个250行的文

最坏,平均和最佳运行时间(Worst, Average and Best Cases) 在上一篇文章中,我们讨论到了渐进分析可以解决分析算法的问题,那么在这一篇中,我们用线性搜索来举例说明一下如何用渐进分析法来分析算法的性能. 我们从三个方面分析算法: 1.最坏情况 2.平均情况 3.最佳情况 这是一段很简单的线性查找的代码 从arr[] 中查找x // Linearly search x in arr[]. If x is present then return the index, // o

B树 具体讲解之前,有一点,再次强调下:B-树,即为B树.因为B树的原英文名称为B-tree,而国内很多人喜欢把B-tree译作B-树,其实,这是个非常不好的直译,很容易让人产生误解.如人们可能会以为B-树是一种树,而B树又是一种一种树.而事实上是,B-tree就是指的B树.特此说明. 我们知道,B 树是为了磁盘或其它存储设备而设计的一种多叉(下面你会看到,相对于二叉,B树每个内结点有多个分支,即多叉)平衡查找树.与本blog之前介绍的红黑树很相似,但在降低磁盘I/0操作方面要更好一些.许多数据

动态查找树主要有二叉查找树(Binary Search Tree),平衡二叉查找树(Balanced Binary Search Tree), 红黑树 (Red-Black Tree ), 都是典型的二叉查找树结构,查找的时间复杂度 O(log2-N) 与树的深度相关,降低树的深度会提高查找效率,于是有了多路的B-tree/B+-tree/ B*-tree (B~Tree). 关于这B树以及B树的两种变体,其实很好区分, 相比B树,B+树不维护关键字具体信息,不考虑value的存储,所有的我们需

平时接触树还比较少,写一篇博文来积累一下树的相关知识. 很早之前在数据结构里面学的树的遍历. 前序遍历:根节点->左子树->右子树 中序遍历:左子树->根节点->右子树 后序遍历:左子树->右子树->根节点 例如:求下面树的三种遍历 前序遍历:abdefgc 中序遍历:debgfac 后序遍历:edgfbca 下面来记录一下今天在九度上面做的一道上海交大的机试题: 题目描述: We are all familiar with pre-order, in-order an

STL 中 sort 函数用法简介 做 ACM 题的时候,排序是一种经常要用到的操作.如果每次都自己写个冒泡之类的 O(n^2) 排序,不但程序容易超时,而且浪费宝贵的比赛时间,还很有可能写错. STL 里面有个 sort 函数,可以直接对数组排序,复杂度为 n*log2(n) . 使用这个函数,需要包含头文件#include <algorithm>. 这个函数可以传两个参数或三个参数.第一个参数是要排序的区间首地址,第二个参数是区间尾地址的下一地址.也就是说,排序的区间是 [a,b) .简单