一：如何理解“堆” 堆是一个完全二叉树； 完全二叉树要求除了最后一层，其他层的节点都是满的，最后一层的节点都靠左排列。 堆中每个节点都必须大于等于（或小于等于）其子树中每个节点的值。 堆中每个节点的值都大于等于（或者小于等于）其左右子节点的值。 对于每个节点的值都大于等于子树中每个节点值的堆，叫作“大顶堆”。对于每个节点的值都小于等于子树中每个节点值的堆，叫“小顶堆”。 二：如何实现“堆”要实现一个堆，要先知道堆都支持哪些操作，已及如何存储一个堆。 如何存储一个堆： 完全二叉树比较适合用数组来存储。用数组来存储完全二叉树是非常节省存储空间的。因为不需要存储左右子节点的指针，单纯地通过数组的下标，就可以找到一个节点的左右子节点和父节点。 往堆中插入一个元素 往堆中插入一个元素后，需要继续满足堆的两个特性 如果把新插入的元素放到堆的最后，则不符合堆的特性了，于是需要进行调整，让其重新满足堆的特性，这个过程叫做 堆化（heapify） 堆化实际上有两种，从下往上和从上往下 从下往上的堆化方法：堆化非常简单，就是顺着节点所在的路径，向上或者向下，对比，然后交换。 删除堆顶元素 从堆的定 ...

Redis 中，键的数据类型是字符串，但是值的数据类型有很多，常用的数据类型是：字符串、列表、字典、集合、有序集合 列表（list） 列表这种数据类型支持存储一组数据 两种实现方法：（1）压缩列表（ziplist）（2）双向循环链表 当列表中存储的数据量比较小时，可以采用压缩列表的方式实现。 具体需要同时满足下面两个条件：（1）列表中保存的单个数据（可能是字符串类型的）小于 64 字节；（2）列表中数据个数少于 512 个 关于压缩列表 它并不是基础数据结构，而是 Redis 自己设计的一种数据存储结构 类似数组，通过一片连续的内存空间来存储数据 跟数组不同的是它允许存储的数据大小不同 压缩列表中的“压缩”如何理解？ “压缩”：就是节省内存，之所以说节省内存，是相较于数组的存储思路而言的。数组要求每个元素的大小相同，如果要存储不同长度的字符串，就需要用最大长度的字符串大小作为元素的大小。但压缩数组允许不同的存储空间。 压缩列表这种存储结构，另一方面可以支持不同类型数据的存储 数据存储在一片连续的内存空间，通过键来获取值为列表类型的数据，读取的效率也非常高。 不能同时满足压缩 ...

一、如何选择合适的排序算法？排序算法一览表 排序名称 时间复杂度 是稳定排序？ 是原地排序？ 冒泡排序 O(n^2) 是 是 插入排序 O(n^2) 是 是 选择排序 O(n^2) 否 是 快速排序 O(nlogn) 否 是 归并排序 O(nlogn) 是 否 桶排序 O(n) 是 否 计数排序 O(n+k)k是数据范围 是 否 基数排序 O(dn)d是纬度 是 否 为什选择快速排序？ 线性排序时间复杂度很低但使用场景特殊，如果要写一个通用排序函数，不能选择线性排序。 为了兼顾任意规模数据的排序，一般会首选时间复杂度为O(nlogn)的排序算法来实现排序函数。 同为O(nlogn)的快排和归并排序相比，归并排序不是原地排序算法，所以最优的选择是快排。 二、如何优化快速排序？导致快排时间复杂度降为O(n)的原因是分区点选择不合理，最理想的分区点是：被分区点分开的两个分区中，数据的数量差不多。如何优化分区点的选择？有2种常用方法，如下： 三数取中法 从区间的首、中、尾分别取一个数，然后比较大小，取中间值作为分区点。 如果要排序的数组比较大，那 ...

一、分治思想 分治思想：分治，顾明思意，就是分而治之，将一个大问题分解成小的子问题来解决，小的子问题解决了，大问题也就解决了。 分治与递归的区别：分治算法一般都用递归来实现的。分治是一种解决问题的处理思想，递归是一种编程技巧。 二、归并排序 算法原理先把数组从中间分成前后两部分，然后对前后两部分分别进行排序，再将排序好的两部分合并到一起，这样整个数组就有序了。这就是归并排序的核心思想。如何用递归实现归并排序呢？写递归代码的技巧就是分写得出递推公式，然后找到终止条件，最后将递推公式翻译成递归代码。递推公式怎么写？如下递推公式：merge_sort(p…r) = merge(merge_sort(p…q), merge_sort(q+1…r))终止条件：p >= r 不用再继续分解 性能分析 算法稳定性：归并排序稳不稳定关键要看merge()函数，也就是两个子数组合并成一个有序数组的那部分代码。在合并的过程中，如果 A[p…q] 和 A[q+1…r] 之间有值相同的元素，那我们就可以像伪代码中那样，先把 A[p…q] 中的元素放入tmp数组，这样 就保证了值相同的元素，在合并前后的 ...

一、排序方法与复杂度归类 几种最经典、最常用的排序方法：冒泡排序、插入排序、选择排序、快速排序、归并排序、计数排序、基数排序、桶排序。 复杂度归类 冒泡排序、插入排序、选择排序 O(n^2) 快速排序、归并排序 O(nlogn) 计数排序、基数排序、桶排序 O(n) 二、如何分析一个“排序算法”？算法的执行效率 最好、最坏、平均情况时间复杂度。 时间复杂度的系数、常数和低阶。 比较次数，交换（或移动）次数。 排序算法的稳定性 稳定性概念：如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。 稳定性重要性：可针对对象的多种属性进行有优先级的排序。 举例：给电商交易系统中的“订单”排序，按照金额大小对订单数据排序，对于相同金额的订单以下单时间早晚排序。用稳定排序算法可简洁地解决。先按照下单时间给订单排序，排序完成后用稳定排序算法按照订单金额重新排序。 排序算法的内存损耗原地排序算法：特指空间复杂度是O(1)的排序算法。 三、冒泡排序冒泡排序只会操作相邻的两个数据。每次冒泡操作都会对相邻的两个元素进行比较，看是否满足大小关系要求，如果不满足就让它俩互换 ...

三次握手（three-way handshaking） 在Google Groups的TopLanguage中看到一帖讨论TCP“三次握手”觉得很有意思。贴主提出“TCP建立连接为什么是三次握手？”的问题，在众多回复中，有一条回复写道：“这个问题的本质是, 信道不可靠, 但是通信双发需要就某个问题达成一致. 而要解决这个问题, 无论你在消息中包含什么信息, 三次通信是理论上的最小值. 所以三次握手不是TCP本身的要求, 而是为了满足”在不可靠信道上可靠地传输信息”这一需求所导致的. 请注意这里的本质需求,信道不可靠, 数据传输要可靠. 三次达到了, 那后面你想接着握手也好, 发数据也好, 跟进行可靠信息传输的需求就没关系了. 因此,如果信道是可靠的, 即无论什么时候发出消息, 对方一定能收到, 或者你不关心是否要保证对方收到你的消息, 那就能像UDP那样直接发送消息就可以了.”。这可视为对“三次握手”目的的另一种解答思路 背景：TCP位于传输层，作用是提供可靠的字节流服务，为了准确无误地将数据送达目的地，TCP协议采纳三次握手策略。 原理： 发送端首先发送一个带有SYN（syn ...

要参与任何一个 Git 项目的协作，必须要了解该如何管理远程仓库。远程仓库是指托管在网络上的项目仓库，可能会有好多个，其中有些你只能读，另外有些可以写。同他人协作开发某个项目时，需要管理这些远程仓库，以便推送或拉取数据，分享各自的工作进展。 管理远程仓库的工作，包括添加远程库，移除废弃的远程库，管理各式远程库分支，定义是否跟踪这些分支，等等 查看当前远程仓库要查看当前配置有哪些远程仓库，可以用 git remote 命令，它会列出每个远程库的简短名字。在克隆完某个项目后，至少可以看到一个名为 origin 的远程库，Git 默认使用这个名字来标识你所克隆的原始仓库： 12345678910$ git clone git://github.com/schacon/ticgit.gitCloning into 'ticgit'...remote: Reusing existing pack: 1857, done.remote: Total 1857 (delta 0), reused 0 (delta 0)Receiving o ...

带着问题来学习： 如何防止数据库中的用户信息被脱库？ 你会如何存储用户密码这么重要的数据吗？仅仅 MD5 加密一下存储就够了吗？ 在实际开发中，我们应该如何用哈希算法解决问题？ ###一、什么是哈希算法？ 定义将任意长度的二进制值串映射成固定长度的二进制值串，这个映射的规则就是哈希算法，而通过原始数据映射之后得到的二进制值串就是哈希值。 如何设计一个优秀的哈希算法？ 单向哈希：从哈希值不能反向推导出哈希值（所以哈希算法也叫单向哈希算法）。 篡改无效：对输入敏感，哪怕原始数据只修改一个Bit，最后得到的哈希值也大不相同。 散列冲突：散列冲突的概率要很小，对于不同的原始数据，哈希值相同的概率非常小。 执行效率：哈希算法的执行效率要尽量高效，针对较长的文本，也能快速计算哈希值。 二、哈希算法的常见应用有哪些？7个常见应用：安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储。 安全加密 常用于加密的哈希算法： MD5：MD5 Message-Digest Algorithm，MD5消息摘要算法 SHA：Secure Hash Algorithm，安全散列算法 D ...

一维数组排序sort() -以升序对数组进行排序rsort() -以降序对数组排序asort() -根据值，以升序对关联数组进行排序ksort() -根据键，以升序对关联数组进行排序arsort() -根据值，以降序对关联数组进行排序krsort() -根据键，以降序对关联数组进行排序 二维数组排序array_multisort()123456$idArr = [];foreach ($arr as $v) { $idArr[] = $v['like'];}array_multisort($idArr, SORT_DESC, $arr);return $arr; usort()12345678usort($arr, function($a, $b) { $al = $a['like']; $bl = $b['like']; if ($al == $bl) return 0; return ($al > $bl) ? -1 : 1;});r ...

多人协同开发过程中，如果同时新增或升级了依赖经常会遇到人工处理 composer.lock/json 文件冲突的情况，下面介绍个简单粗暴的处理方式： 1234# 按需回滚冲突文件到对方的版本git checkout --theirs -- composer.lock composer.json # 重新添加自己的依赖或升级composer require '...' 这样可以避免人工解冲突，可以无脑执行，并且不会造成无关包的升级。