空间数据

排序法 最差时间分析 平均时间复杂度 稳定度 空间复杂度 冒泡排序 O(n 2 ) O(n 2 ) 稳定 O(1) 快速排序 O(n 2 ) O(n*log 2 n) 不稳定 O(log 2 n)~O(n) 选择排序 O(n 2 ) O(n 2 ) 稳定 O(1) 二叉树排序 O(n 2 ) O(n*log 2 n) 不一顶 O(n) 插入排序 O(n 2 ) O(n 2 ) 稳定 O(1) 堆排序 O(n*log 2 n) O(n*log 2 n) 不稳定 O(1) 希尔排序 O O 不稳定 O(1) 1、时间复杂度 （1）时间频度 一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。 （2）时间复杂度 在刚才提到的时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。 一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f

DirectByteBuffer ServerCnxn 代表了一个客户端与一个server的连接,其有两种实现,分别是 NIOServerCnxn 和 NettyServerCnxn ,类图如下: 本文介绍ZooKeeper是如何通过 NIOServerCnxn 实现网络IO的. 当 SocketChannel 上有数据可读时,worker thread调用 NIOServerCnxn.doIO() 进行读操作 处理读事件比较麻烦的问题就是通过TCP发送的报文会出现粘包拆包问题,Zookeeper为了解决此问题,在设计通信协议时将报文分为3个部分: 请求头和请求体的长度(4个字节) 请求头 请求体 注:(1)请求头和请求体也细分为更小的部分,但在此不做深入研究,只需知道请求的前4个字节是请求头和请求体的长度即可.(2)将请求头和请求体称之为 payload 在报文头增加了4个字节的长度字段,表示整个报文除长度字段之外的长度.服务端可根据该长度将粘包拆包的报文分离或组合为完整的报文. NIOServerCnxn 读取数据流程如下: NIOServerCnxn中有两个属性,一个是lenBuffer,容量为4个字节,用于读取长度信息.一个是incomingBuffer,其初始化时即为lenBuffer,但是读取长度信息后

--创建临时表空间 --创建数据表空间 --创建用户 --授予权限 在数据库中修改身份证号为***，例如11010119800101007X，转化成110101198****1007X 数据库随机抽取50条 * from ( select * from zc05 order by dbms_random.random ) where rownum <= 50 用以下语句找出删除的数据： 把删除的数据重新插入原表： 文章来源: 数据库相关

转载自： https://www.cnblogs.com/popsuper1982/p/8505203.html 我今天要讲这三个话题，一个是云计算，一个大数据，一个人工智能，我为什么要讲这三个东西呢？因为这三个东西现在非常非常的火，它们之间好像互相有关系，一般谈云计算的时候也会提到大数据，谈人工智能的时候也会提大数据，谈人工智能的时候也会提云计算。所以说感觉他们又相辅相成不可分割，如果是非技术的人员来讲可能比较难理解说这三个之间的相互关系，所以有必要解释一下。 一、云计算最初是实现资源管理的灵活性 我们首先来说云计算， 云计算最初的目标是对资源的管理，管理的主要是计算资源，网络资源，存储资源三个方面。 1.1 管数据中心就像配电脑 什么叫计算，网络，存储资源呢？就说你要买台笔记本电脑吧，你是不是要关心这台电脑什么样的CPU啊？多大的内存啊？这两个我们称为计算资源。 这台电脑要能上网吧，需要有个网口可以插网线，或者有无线网卡可以连接我们家的路由器，您家也需要到运营商比如联通，移动，电信开通一个网络，比如100M的带宽，然后会有师傅弄一根网线到您家来，师傅可能会帮您将您的路由器和他们公司的网络连接配置好，这样您家的所有的电脑，手机，平板就都可以通过您的路由器上网了。这就是网络。 您可能还会问硬盘多大啊？原来硬盘都很小，10G之类的，后来500G，1T，2T的硬盘也不新鲜了。

转自 https://blog.csdn.net/szlcw1/article/details/52259668 应聘数据挖掘工程师或机器学习工程师，面试官经常会考量面试者对SVM的理解。 以下是我自己在准备面试过程中，基于个人理解，总结的一些SVM面试常考问题（想到会再更新），如有错漏，请批评指正。（大神请忽视） 转载请注明出处：blog.csdn.net/szlcw1 SVM的原理是什么？ SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。（间隔最大是它有别于感知机） （1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分支持向量机； （2）当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器，即线性支持向量机； （3）当训练数据线性不可分时，通过使用核技巧及软间隔最大化，学习非线性支持向量机。 注：以上各SVM的数学推导应该熟悉： 硬间隔最大化（几何间隔）---学习的对偶问题---软间隔最大化（引入松弛变量） --- 非线性支持向量机（核技巧）。 SVM为什么采用间隔最大化？ 当训练数据线性可分时，存在无穷个分离超平面可以将两类数据正确分开。 感知机利用误分类最小策略，求得分离超平面，不过此时的解有无穷多个。 线性可分支持向量机 利用间隔最大化求得最优分离超平面 ，这时，解是唯一的

一、背景介绍 1.1 传统TCP/IP通信模式 传统的TCP/IP网络通信，数据需要通过用户空间发送到远程机器的用户空间。数据发送方需要讲数据从用户应用空间Buffer复制到内核空间的Socket Buffer中。然后Kernel空间中添加数据包头，进行数据封装。通过一系列多层网络协议的数据包处理工作，这些协议包括传输控制协议（TCP）、用户数据报协议（UDP）、互联网协议（IP）以及互联网控制消息协议（ICMP）等。数据才被Push到NIC网卡中的Buffer进行网络传输。消息接受方接受从远程机器发送的数据包后，要将数据包从NIC buffer中复制数据到Socket Buffer。然后经过一些列的多层网络协议进行数据包的解析工作。解析后的数据被复制到相应位置的用户应用空间Buffer。这个时候再进行系统上下文切换，用户应用程序才被调用。以上就是传统的TCP/IP协议层的工作。 如今随着社会的发展，我们希望更快和更轻量级的网络通信。 1.2 通信网络定义 1.4 传统TCP/IP存在的问题 I/O bottleneck瓶颈 问题。在高速网络条件下与网络I/O相关的主机处理的高开销限制了可以在机器之间发送的带宽。这里感兴趣的高额开销是数据移动操作和复制操作。具体来讲，主要是传统的TCP/IP网络通信是通过内核发送消息。Messaging passing through

数据结构是存储，组织 数据 的 方式 算法是完成一个目标的 方法 和 ˼· 公司的核心价值点起始与数据，数据可以预判趋势，指导方向，解决实际问题，掌握了公司的数据，就掌握了公司运营和发展的命脉 是做技术的基础中的基础，是高技术人才的必备能力 装逼利器 什么是数据结构，什么是算法，他们之间的关系，抽象数据类型 数据结构： 数据组织的方式 数据的种类有很多种：整型，浮点型，字符串。。。 数据的组织方式：字典，列表，元组。。。 举例子：数据：‘老王’ 10 ‘男’ 组织方式：列表：[‘老王’，10， ‘男’]， 字典{name:’老王’，age:18,gender:’男’} 物理形式 顺序表 链表 逻辑形式 集合，线性，树形，图型 算法 解决问题的方法和思路 公司的核心是 数据 ，数据的组织方式是数据结构，怎么利用这些数据结构完成公司的业务需求，就用到了算法 评判算法的好坏的标准：算法复杂度 时间复杂度：完成一个目标所花费的时间 空间复杂度:完成一个目标所花费的内存空间 数据结构+算法 == 程序，也就是业务需求 程序 + 语言 == 编程 抽象数据类型就是将数据和在这个数据上的运算捆绑在一起。 如魂斗罗中的人物是一种数据类型，打子弹是动作，点击空格键使人物发子弹，那么按一下空格键就生成了一个 抽象数据类型：人物打子弹 为什么引入抽象数据类型的概念

一、算法时间复杂度定义 在进行算法分析时，语句总的执行次数 T(n) 是关于问题规模 n 的函数，进而分析 T(n) 随 n 的变化情况并确定 T(n) 的数量级。算法的时间复杂度，也就是算法的时间量度。 记作：T(n)=O(f(n)) 。 它表示随问题 n 的增大， 算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度 。其中，f(n)是问题规模n的某个函数。 二、标准算法度量单位 渐近记号 1、Θ（big-theta） 若存在正常量 c1、c2和n0 ，使得当 n ≥ n0 时，不等式0 ≤ c1g(n) ≤ f(n) ≤ c2g(n) 恒成立，则称g(n)是f(n)的一个渐近紧确界，记作Θ。它包含 渐近上界 和 渐近下界 。 简单的理解为在 n ≥ n0 时，f(n)被夹在c1g(n)和c2g(n)之间，c1g(n)为f(n)的 渐近下界 ，c2g(n)为f(n)的 渐近上界 ，如下图所示。 2、O（big-oh） 若存在正常量c和n0，使得当n ≥ n0 时，不等式 0 ≤ f(n) ≤ cg(n)恒成立，则称g(n)是f(n)的一个 渐近上界 ，记作O。 简单的理解为在 n ≥ n0 时，cg(n)总是在f(n)之上。cg(n)为f(n)的 渐近上界 。如下图所示。 3、Ω（big-omege） 若存在正常量 c和n0，使得当 n ≥

什么是 Elasticsearch? Elasticsearch 是一个开源的分布式 RESTful搜索和分析引擎，能够解决越来越多不同的应用场景。 本文主要是介绍了ES GEO数据写入和空间检索，ES版本为7.3.1 Qgis使用渔网工具，对范围进行切割，得到网格的Geojson def set_mapping ( es , index_name = "content_engine" , doc_type_name = "en" , my_mapping ={}): # ignore 404 and 400 es . indices . delete ( index = index_name , ignore =[ 400 , 404 ]) print ( "delete_index" ) # ignore 400 cause by IndexAlreadyExistsException when creating an index my_mapping = { "properties" : { "location" : { "type" : "geo_shape" }, "id" : { "type" : "long" } } } create_index = es . indices . create ( index = index_name ) mapping_index

复杂度分析是整个算法学习的精髓，只要掌握了它，数据结构和算法的内容基本上就掌握了一半了。 数据结构和算法解决是 “如何让计算机更快时间、更省空间的解决问题”。 因此需从执行时间和占用空间两个维度来评估数据结构和算法的性能。 分别用时间复杂度和空间复杂度两个概念来描述性能问题，二者统称为复杂度。 复杂度描述的是算法执行时间（或占用空间）与数据规模的增长关系。 和性能测试相比，复杂度分析有不依赖执行环境、成本低、效率高、易操作、指导性强的特点。 掌握复杂度分析，将能编写出性能更优的代码，有利于降低系统开发和维护成本。 算法的执行时间与每行代码的执行次数成正比，用 T(n) = O(f(n)) 表示，其中 T(n) 表示算法执行总时间，f(n) 表示每行代码执行总次数，而 n 往往表示数据的规模。这就是大 O 时间复杂度表示法。 1）定义 算法的时间复杂度，也就是算法的时间量度。 大 O 时间复杂度表示法 实际上并不具体表示代码真正的执行时间，而是表示 代码执行时间随数据规模增长的变化趋势 ，所以也叫 渐进时间复杂度 ，简称 时间复杂度 （asymptotic time complexity）。 例子1： function aFun() { console.log("Hello, World!"); // 需要执行 1 次 return 0; // 需要执行 1 次 }