sort

qsort()函数： 功能：相当于c++sort，具有快排的功能，复杂度的话nlog(n) 注：C中的qsort()采用的是快排算法，C++的sort()则是改进的快排算法。两者的时间复杂度都是nlogn，但是实际应用中，sort()一般要快些，建议使用sort()。 头文件：stdlib.h 用法： void qsort(void* base,size_t_num,size_t_width,int(__cdecl*compare)(const void*,const void*)); 　　参数:1、待排序数组，排序之后的结果仍放在这个数组中 　　　　 2、数组中待排序元素数量 　　　　 3、各元素的占用空间大小（单位为字节） 　　 4、指向函数的指针，用于确定排序的顺序（需要用户自定义一个比较函数） 1、对int类型进行排序： 代码： 1 #include<stdio.h> 2 #include<stdlib.h> 3 int num[100]; 4 int cmp_int(const void* aa,const void* bb) 5 { 6 int* a=(int*)aa; 7 int* b=(int*)bb; 8 return *a-*b; 9 } 10 int main() 11 { 12 int i; 13 num[1]=3; 14 num[2]=2; 15 num

简洁版： [client] port = 3306 socket = /weyeedata/mysql/run/mysql.sock [mysqld] innodb_buffer_pool_size = 512M #log_bin = 1 expire_logs_days = 7 basedir = /usr/local/mysql datadir = /weyeedata/mysql/data port = 3306 bind = 0.0.0.0 server_id = 1 socket = /weyeedata/mysql/run/mysql.sock innodb_file_per_table = 1 skip_name_resolve = 1 #binlog_format = row log_error = /weyeedata/mysql/logs/mysql-error.log slow_query_log = 1 long_query_time = 1 slow_query_log_file = /weyeedata/mysql/logs/mysql-slow.log join_buffer_size = 128M sort_buffer_size = 2M read_rnd_buffer_size = 2M max_connections = 10000 sql

Linux-day03 显示/etc/services文件的第11行到第20行的内容 [root@qls ~]# head -20 /etc/services | tail [root@qls ~]# grep -n '.' /etc/services | grep -A 9 '^11:' 文件查找命令 locate #根据本地数据库进行查找 yum install mlocate -y #下载软件包 [root@qls ~]# updatedb #需要更新数据库 [root@qls ~]# locate -r hostname$ #支持正则，需加-r选项 /etc/hostname /etc/selinux/targeted/active/modules/100/hostname /usr/bin/hostname /usr/bin/nmtui-hostname /usr/lib64/gettext/hostname which #查找命令的绝对路径 [root@qls ~]# which hostname /usr/bin/hostname whereis #查找文件 [root@qls ~]# whereis hostname hostname: /usr/bin/hostname /etc/hostname /usr/share/man/man1/hostname.1.gz

一、技术总结 题目要求是，只能使用0,进行交换位置，然后达到按序排列，所使用的最少交换次数 输入时，用数组记录好每个数字所在的位置。 然后使用for循环，查看i当前位置是否为该数字，核心是等待0回到自己的位置上，如果没有一直与其他的数字进行交换。如果这个过程中，i回到自己位置上就不用调换，如果不是那么直接与0位置进行调换，直到所有位置都到指定位置上面。 二、参考代码 #include<iostream> #include<algorithm> using namespace std; int main(){ int n, ans = 0, a[100010], t; cin >> n; for(int i = 0; i < n; i++){ cin >> t; a[t] = i; } for(int i = 1; i < n; i++){ if(i != a[i]){ while(a[0] != 0){ swap(a[0], a[a[0]]); ans++; } if(i != a[i]){ swap(a[0], a[i]); ans++; } } } cout << ans; return 0; } 来源： https://www.cnblogs.com/tsruixi/p/11851792.html

linux Shell sort按照指定列排序 https://blog.csdn.net/weixin_38308151/article/details/80760133 kubectl get pods |sort -k 5n 置顶 2018-06-21 14:35:37 马小新 阅读数 18025 更多 分类专栏： linux shell 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接： https://blog.csdn.net/weixin_38308151/article/details/80760133 文本如下： 110,1|1,10 110,1|2,101 110,3|1,103 110,4|1,16 110,5|1,12 112,1|1,10 112,1|2,101 112,2|1,103 110,6|1,11 104,2|1,34 112,3|1,103 112,4|1,16 112,6|1,11 113,1|1,30 110,2|1,103 112,5|1,12 sort -t”,” -k 1n,1 -k 3rn,3 file.txt 排序结果： [root@lzpm 0621]# sort -t “,” -k 1n,1 -k 3rn,3 file.txt 104,2|1,34 110,2

奶牛抗议 DP 树状数组 USACO的题太猛了 容易想到 \(DP\) ，设 \(f[i]\) 表示为在第 \(i\) 位时方案数，转移方程： \[ f[i]=\sum f[j]\;(j< i,sum[i]-sum[j]\ge0) \] \(O(n^2)\) 过不了，考虑优化 移项得： \[ f[i]=\sum f[j]\;(j< i,sum[i]\ge sum[j]) \] 这时候我们发现相当于求在 \(i\) 前面并且前缀和小于 \(sum[i]\) 的所有和，这就可以用一个树状数组优化了，在树状数组维护下标为 \(sum[i]\) ， \(f[i]\) 的前缀和。对于每个 \(f[i]\) 即为树状数组上 \(sum[i]\) 的前缀和。 这里需要注意的是前缀和可能为负，而树状数组下标不能为负，所以我们要离散化一下。 #include <cstdio> #include <algorithm> using namespace std; #define MAXN 100010 #define lowbit(x) ((x)&(-(x))) #define MOD 1000000009 int n,sum[MAXN],s; int sum_sort[MAXN+1]; int tre[MAXN+1]; inline void add(int x, int val){ while(x<

摘要： Hash Clustering通过允许用户在建表时设置表的Shuffle和Sort属性，进而MaxCompute根据数据已有的存储特性，优化执行计划，提高效率，节省资源消耗。 对于Hash Clustering整体带来的性能收益，我们通过标准的TPC-H测试集进行衡量。 背景 在MaxCompute查询中，Join是很常见的场景。例如以下Query，就是一个简单的Inner Join把t1表和t2表通过id连接起来： SELECT t1.a, t2.b FROM t1 JOIN t2 ON t1.id = t2.id; Join在MaxCompute内部主要有三种实现方法： Broadcast Hash Join - 当Join存在一个很小的表时，我们会采用这种方式，即把小表广播传递到所有的Join Task Instance上面，然后直接和大表做Hash Join。 Shuffle Hash Join - 如果Join表比较大，我们就不能直接广播了。这时候，我么可以把两个表按照Join Key做Hash Shuffle，由于相同的键值Hash结果也是一样的，这就保证了相同的Key的记录会收集到同一个Join Task Instance上面。然后，每个Instance对数据量小的一路建Hash表，数据量大的顺序读取Join。 Sort Merge Join -

1、spring-data-commons项目 　　spring-data-commons项目是所有spring-data项目的核心，我们来看一下该项目下的repository包中的接口和注解。 　　　　 2、Repository接口和@RepositoryDefinition注解 　　当中最重要的就是Repository接口了。它是做数据库操作的最底层的抽象接口、最顶级的父类，打开Repository接口看其源码，发现里面其实什么方法都没有，仅仅起到一个标识作用。捕获要管理的域类型和域类的id类型。用途是保存类型信息，并能够在类路径扫描期间发现继承该接口的接口，帮助我们创建代理类。 @Indexed public interface Repository<T, ID> { } 　　@Indexed 我们发现在Repository接口上有一个@Indexed 注解，是Spring5提供的注解，用于提升应用启动性能。这个注解单独存在不起作用，要想使其生效的话，要添加spring-context-indexer依赖。在编译时会将@CompoentScan扫描指定package中要生成的bean写在METE-INF/spring.components文件中，当项目启动时，就会读取这个文件，不会再扫描指定的package了，从而提升性能。 　　我们只要继承Repository接口

给链表排序。题意是给一个链表，请对其排序，并满足时间O(nlogn)，空间O(1)的要求。 按照题目要求，因为时间是nlogn，所以自然而然想到偏向二分的做法，但是我是真做不到空间O(1)，我只会用递归的方法，空间是O(n)。思路是找到链表的中点，然后用merge sort的思路递归再把链表一点点拼凑回去。 时间O(nlogn) 空间O(n) 1 /** 2 * @param {ListNode} head 3 * @return {ListNode} 4 */ 5 var sortList = function(head) { 6 // corner case 7 if (head === null || head.next === null) { 8 return head; 9 } 10 let middle = findMiddle(head); 11 let next = middle.next; 12 middle.next = null; 13 return merge(sortList(head), sortList(next)); 14 }; 15 16 var findMiddle = function(head) { 17 let slow = head; 18 let fast = head; 19 while (fast.next !== null &&

排序 冒泡排序 1.将原始列表中的最大值找出且放置在列表最右侧(将元素两两比较，将数值大的数逐步向后移动) 2.重复执行步骤1 #将原始列表中的最大值找出且放置在列表最右侧(将元素两两比较，将数值大的数逐步向后移动) def sort(alist): for i in range(len(alist)-1): if alist[i] > alist[i+1]: alist[i],alist[i+1] = alist[i+1],alist[i] return alist def sort(alist): for j in range(len(alist)-1): #交换 for i in range(len(alist)-1-j): if alist[i] > alist[i+1]: alist[i],alist[i+1] = alist[i+1],alist[i] return alist 选择排序 1.将列表中的最大值一次找出，放置在列表最右侧 #将列表中的最大值的下标找到 def sort(alist): max_index = 0 #最大值的下标 for i in range(1,len(alist)): if alist[max_index] < alist[i]: max_index = i print(max_index) #将列表中的最大值一次找出，放置在列表最右侧