dictionary

基于C#的字典类创建CSV文件读写模块，且本代码暂时只能用于浮点型的逗号文件的创建。 1.核心代码 using System ; using System . Collections . Generic ; using System . IO ; namespace ReadWriteCSV { public class readwriteCSV { public static Dictionary < string , 来源： oschina 链接： https://my.oschina.net/u/4274555/blog/4533300

安装包下载并上传到Linux系统中 官网5.7版本： https://cdn.mysql.com//Downloads/MySQL-5.7/mysql-5.7.29-1.el7.x86_64.rpm-bundle.tar 可以使用xftp上传到Linux中 解压安装包并安装 使用tar命令解压 tar -xvf mysql-5.7.29-1.el7.x86_64.rpm-bundle.tar 安装新版mysql前，需将系统自带的mariadb-lib卸载 rpm -qa|grep mariadb mariadb-libs-5.5.60-1.el7_5.x86_64 rpm -e --nodeps mariadb-libs-5.5.60-1.el7_5.x86_64 为了避免出现权限问题，给mysql解压文件所在目录赋予最大权限 chmod -R 777 mysql 严格按照顺序安装：mysql-community-common-5.7.29-1.el7.x86_64.rpm、mysql-community-libs-5.7.29-1.el7.x86_64.rpm、mysql-community-client-5.7.29-1.el7.x86_64.rpm、mysql-community-server-5.7.29-1.el7.x86_64.rpm这四个包 rpm -ivh

最近看了B站Uinty官方有关性能优化技巧的视频，自己做一些整理。 视频链接： Unite Now - （中文字幕）性能优化技巧（上） Unite Now - （中文字幕）性能优化技巧（下） 堆栈（Stack）和堆积（Heap） 我们先来看下Unity内存中重要的两部分，堆栈和堆积，因为只有了解了它们，我们才能知道应该如何优化内存，提高性能。 堆栈： 堆栈是内存中存储 函数 和 值类型 的地方。 例如我们调用一个函数A，会将这个函数体与函数收到的参数放入到堆栈中，若在函数A中调用函数B，同样会把函数B存放到堆栈中。当函数B运行结束，会将其从堆栈中移除，然后当A运行结束，把A从堆栈中移除。 因此我们在看Debug信息的时候，就会发现Log里面能够做到一层层的方法回溯，方便我们查看整体的调用过程，这也就是 堆栈回溯 。 由于是堆栈的结构，因此不会遇到碎片化或是垃圾收集（GC）的问题。但是可能会碰见堆栈溢出的问题，比如调用了太多的函数导致一直push东西进堆栈，占据越来越多的内存空间，导致 堆栈溢出 。 堆积： 堆积是内存中另一个区域，要比堆栈大，我们将所有的 引用类型 存放在这。通常我们每创建一个新的对象，会在堆积中找到下一个足够存放的空位置，将其存储。但是当我们销毁对象后， 内存空间不会马上释放出来 ，而是标记成未使用，之后垃圾收集器会释放这部分空间。 对象实例化和摧毁的过程其实很慢

目录 跳表 使用场景 结构描述 查询算法 插入算法 删除算法 时间复杂度 空间复杂度 总结 Redis使用跳表而不是红黑树？ 跳表 使用场景 跳表(Skiplist ）是一个特殊的链表，相比一般的链表，有更高的查找效率，可比拟二叉查找树， 平均期望的查找、插入、删除 时间复杂度都是O(log n) ，许多知名的开源软件（库）中的数据 结构均采用了跳表这种数据结构∶ Redis中的有序集合zset LevelDB、RocksDB、HBase中Memtable Apache Lucene中的Term Dictionary、Posting List 结构描述 我们拿我们以前的有序链表相比： 我们可以很清楚的看出，有序链表的查询比较慢，时间复杂度为O(n)，它的删除和插入操作比较快，我们怎样才能让它的查询的时间复杂度也变快呢？ 能不能将我们的链表实现二分的查找，也就是longN，答案是肯定的，也就是我们下面所说的这种跳表。 查询算法 跳表的查询和我之前做过的一道题特别类似， 二维数组的查找 假设我们查询 31 这个数字 我们的header开始，依次进行查询， 31不在负无穷到17，往右边，到达17，继续比较，在17到正无穷之间，往下跑 … 整个查询过程如下所示 插入算法 对于插入来说，我们比如要插入一个21的数值 类似查询算法，到达17这个点，进一步到达20这个点，然后在20的后面进行插入