# 前提回顾 > **建议大家从[【Java技术专题-JVM研究系列（39）Java各种类型对象占用内存情况分析（上）】](https://blog.51cto.com/alex4dream/2928921 "【Java技术专题-JVM研究系列（39）Java各种类型对象占用内存情况分析（上）】")开始学习比较好，这样子会有一个承接和过度。根据前面的学习的内
堆初始化 二叉堆一般用数组来表示。例如，根节点在数组中的位置是0，第n个位置的子节点分别在2n+1和 2n+2。 因此，第0个位置的子节点在1和2，1的子节点在3和4。以此类推。这种存储方式便于寻找父节点和子节点。在二叉堆上可以进行插入节点、删除节点、取出值最小的节点、减小节点的值等
前缀 符号 10的幂次 2的幂次 Kilo 千 K 103 210 Mega 兆 M 106 220 Giga 吉 G 109 230 Tera 太 T 1012 240 Peta 拍 P 1015 250 Exa 艾 E 1018 260 Zetta 泽 Z 1021 270
你给HashMap初始化了容量，却让性能变得更糟？ 前言 项目中，看到大家已经意识到初始化HashMap时给Map指定初始容量大小，甚是欣慰。但仔细一看，发现事情好像又有一些不对头。虽然指定了大小，却让性能变得更加糟糕了。 可能你也是如此，看了《阿里巴巴Java开发手册》感觉学到了很多，于是在
[设计模式] 装饰者模式 目录 [设计模式] 装饰者模式 场景分析 实践 总结 REFERENCES 更多 手机用户请横屏获取最佳阅读体验，REFERENCES中是本文参考的链接，如需要链接和更多资源，可以关注其他博客发布地址。 平台 地址 CSDN https://blog.csdn.net/sinat_28690417 简书 https
内部类Node，实现Map.Entry（jdk1.8初次出现Node） public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable { static class Node<K,V> implements Map.Entry<K,V> { final int hash; fina
一、摘要 BlockingQueue通常用于一个线程在生产对象，而另外一个线程在消费这些对象的场景，例如在线程池中，当运行的线程数目大于核心的线程数目时候，经常就会把新来的线程对象放到BlockingQueue中去。 二、阻塞队列原理 原理简单的来讲：就是一个线程往队列里面放，而另外的一个线
文章目录 一、概述二、源码1、属性（1）elementData（2）elementCount（3）capacityIncrement 2、构造函数3、主要方法4、遍历（1）迭代器（2）随机访问（3）for（4）Enumeration 一、概述 是一个矢量队列。 继承了AbstractList，实现了List接口，所以它是一个队列，支持相应的添加、删除、修改、遍历等
文章目录 一、引例 1、string 扩容概述 2、扩容尝试 二、扩容逻辑猜测 1、猜测一：常数增量 2、猜测二：倍数增量 三、扩容逻辑实现 一、引例 1、string 扩容概述 string 就是动态字符数组，一旦出现 ‘动态’ 二字，就不可能一开始就申请很大的内存，一定有它内部的申请策略； vector
文章目录 一、引例 1、vector 扩容概述 2、扩容时机 3、扩容尝试 二、扩容逻辑解析 1、扩容逻辑实现 2、精简后的扩容逻辑 3、验证扩容逻辑 4、优化 三、论文解读补充 1、Size 和 Capacity 2、内存重分配 3、内存重分配策略 4、倍增法时间复杂度分析 一、引例 1、vector
1.assign 用于初始化 2.resize 改变capacity,与size 3.reserve 改变capacity，不改变size 超过size的capacity不可直接访问，可通过push_back追加，若size < capacity, push_back操作不尽心内存分配。 测试代码： #include <stdio.h> #include <iostream> #include <vector> #
前言 最近在逛博客的时候看到了有关Redis方面的面试题，其中提到了Redis在内存达到最大限制的时候会使用LRU等淘汰机制，然后找了这方面的一些资料与大家分享一下。 LRU总体大概是这样的，最近使用的放在前面，最近没用的放在后面，如果来了一个新的数，此时内存满了，就需要把旧的数淘汰，那为了
简介 使用了C++自带的实现deque 和 unordered_map code class LRUCache { public: unordered_map<int, bool> map; unordered_map<int, int> mapV; deque<int> q; int capacity; LRUCache(int capacity) { this->capacity = capacity;
前言 最近在逛博客的时候看到了有关Redis方面的面试题，其中提到了Redis在内存达到最大限制的时候会使用LRU等淘汰机制，然后找了这方面的一些资料与大家分享一下。 LRU总体大概是这样的，最近使用的放在前面，最近没用的放在后面，如果来了一个新的数，此时内存满了，就需要把旧的数淘汰，
目录 简介 原理 代码 引用资料 简介 费用流问题就是要求在所有最大流之中，找到费用最大/最小的问题。 下面重点讨论最小费用最大流。 原理 先给出大概的做法： 在残留网络上沿着最短路（边权即费用）增广，直到得到最大流（无法再增广），那么，假如图中没有负圈，这样的最大流的费用是最小的。 下
1 #include<iostream> 2 #include<algorithm> 3 using namespace std; 4 5 int select(int values[],int n,int weights[],int capacity) 6 { 7 int dp[n+1][capacity+1]={}; 8 for(int i=1;i<=n;++i) 9 { 10 for(int j=1;j
在文章开始之前首先要思考的问题是为什么要建立对象池。这和.NET垃圾回收机制有关，正如下面引用所说，内存不是无限的，垃圾回收器最终要回收对象，释放内存。尽管.NET为垃圾回收已经进行了大量优化，例如将托管堆划分为 3 Generations（代）并设定新建的对象回收的最快，新建的短生命周期对象将
这种连续区间的加法处理，是典型的差分数组优化。 class Solution { public: bool carPooling(vector<vector<int>>& trips, int capacity) { vector<int> delta(1010); for(auto trip: trips){ delta[trip[1]] += trip[0]; delta
前言 项目中，看到大家已经意识到初始化HashMap时给Map指定初始容量大小，甚是欣慰。但仔细一看，发现事情好像又有一些不对头。虽然指定了大小，却让性能变得更加糟糕了。 可能你也是如此，看了《阿里巴巴Java开发手册》感觉学到了很多，于是在实践中开始尝试给Map指定初始大小，并感觉自
C++学习笔记_14_string的底层原理及模拟实现 在上节的学习，简单学习了string的用法，但只有了解底层原理并复现string部分代码才可以更好的理解和应用，我实现了string的部分功能。 string简单用法 复习 目录 C++学习笔记_14_string的底层原理及模拟实现注：一、构造与析构二、常
一、redis的过期策略和内存淘汰机制 1、定期删除+惰性删除 定期删除：指的是redis默认是每隔100ms就随机抽取一些设置了过期时间的key，检查其是否过期，如果过期就删除 惰性删除：在你获取某个key的时候，redis会检查一下 ，这个key如果设置了过期时间那么是否过期了，如果过期了此时就会删除
HashMap的容量、扩容 很多人在通过阅读源码的方式学习Java，这是个很好的方式。而JDK的源码自然是首选。在JDK的众多类中，我觉得HashMap及其相关的类是设计的比较好的。很多人读过HashMap的代码，不知道你们有没有和我一样，觉得HashMap中关于容量相关的参数定义的太多了，傻傻分不清
yarn支持3种调度器，FIFO，容量，公平调度器。 FIFO调度算法 只有一个队列，任务执行是按照先进先出的顺序执行，无法支持多用户并发的场景。如下图 容器调度算法 yahoo开发的多用户调度器(apache yarn中默认使用） 特征 多队列：每个队列可配置一定的资源量，每个队列采用FIFO调度策略 容器保
LFU是一个著名的缓存算法，实现LFU中的set 和 get样例：capacity = 3set(2,2) set(1,1) get(2) >> 2 get(1) >> 1 get(2) >> 2 set(3,3) set(4,4) get(3) >> -1 get(2) >> 2 get(1) >> 1 get(4) >> 4 我们来看看LFU的百度解释：LFU（least frequently used (LFU)
真实场景中，总会出现这样的情况：新提交的YARN应用需要等待一段时间，才能获得所需的资源。不能立即获得资源的应用，总不能直接拒绝，需要有个地方去存储这些应用 —— 使用队列同时，队列中的应用如何为其分配资源：是先到先得？还是优先执行资源需求较小的应用？ —— 需要有特定的策略为应
