sq

传送门. 题解 感觉这题最难的是第一个结论。 x/y首先要互质，然后如果在10进制是纯循环小数，不难想到y不是2、5的倍数就好了。 因为十进制下除以2和5是除得尽的。 必然会多出来的什么东西。 如果是k进制，可以类比得gcd(y,k)=1。 证明： 假设纯循环的位数是l 则 \(x*k^l\equiv x(mod~y)\) \(k^l\equiv 1(mod~y)\) 要存在l的话，就必须有 \(gcd(k,y)=1\) ，反过来一样。 反演： \(Ans=\sum_{i=1}^n\sum_{j=1}^m[(i,j)=1]*[(j,k)=1]\) ) \(\sum_{d=1}^{min(n,m)} \mu(d)*[gcd(d,k)=1]*(n/d)*\sum_{j=1}^{m/d}[gcd(j,k)=1]\) 如果能解决前面的前缀和问题，后面的分块后容斥或者说预处理O(1)都不是问题。 然后你发现前面是个积性函数，而且是可以min_25筛的积性函数，不过要筛个两遍。 就没了…… Code： #include<bits/stdc++.h> #define fo(i, x, y) for(int i = x, B = y; i <= B; i ++) #define ff(i, x, y) for(int i = x, B = y; i < B; i ++) #define fd(i,

CL_SADL_QUERY_ENGINE_SQL_BASE~GENERATE_SQL_STATEMENT CL_SADL_SQL_STATEMENT~GET_SECTIONS_FOR_SELECT LV_SELECT: C_Product~ACTIVEPRODUCT AS ACTIVEPRODUCT, C_Product~ARTICLECATEGORY AS ARTICLECATEGORY, C_Product~DRAFTADMINISTRATIVEDATAUUID AS DRAFTADMINISTRATIVEDATAUUID, C_Product~DRAFTKEY AS DRAFTKEY, C_Product~HASACTIVEENTITY AS HASACTIVEENTITY, C_Product~HASDRAFTENTITY AS HASDRAFTENTITY, C_Product~ISACTIVEENTITY AS ISACTIVEENTITY, C_Product~LASTCHANGEDATE AS LASTCHANGEDATE, C_Product~LASTCHANGEDBYUSER AS LASTCHANGEDBYUSER, C_Product~PRODUCT AS PRODUCT, C_Product~PRODUCTDESCRIPTION AS

此处楼主的报错的原因是表结构里的信息经过转化变为另外的名称所以报错 后台使用MyBaits和Oracle，其中一个数据库的字段为CREAT_TIME，经过MyBaits转化为creatTime 所以排序是列名写了 createTime，点击排序 ，SQLExcetpion:该字段不存在 所以使用以下方法可以解决该错误， 修改方法请查看 24-48行 $('#dataTable').HgDataTable({//dataTable是需要显示的table的对应的id order: [[ 2, "desc" ]], //默认加载就排序的行 checkbox: false, //是否显示复选框 isAjax: true, searchFormSelector: 'form.search', //搜索条件表单的选择器,当你指定此设置时，表单中的搜索条件也会作为参数发送到服务器端 searchBtnSelector: '#search', ajax: { url: '${ctx}/blackUploadQuery/list' //获取数据的url，默认是post提交 }, bSore:true, //开启排序，如果不循序排序，则可以使用 false columnDefs: [ { orderable: false,//禁用排序 targets: [0, 1, 3,4, 5] //指定的列 }

一、简单聚合 1.1 数据准备 // 需要导入 spark sql 内置的函数包 import org.apache.spark.sql.functions._ val spark = SparkSession.builder().appName("aggregations").master("local[2]").getOrCreate() val empDF = spark.read.json("/usr/file/json/emp.json") // 注册为临时视图，用于后面演示 SQL 查询 empDF.createOrReplaceTempView("emp") empDF.show() 注：emp.json 可以从本仓库的 resources 目录下载。 1.2 count // 计算员工人数 empDF.select(count("ename")).show() 1.3 countDistinct // 计算姓名不重复的员工人数 empDF.select(countDistinct("deptno")).show() 1.4 approx_count_distinct 通常在使用大型数据集时，你可能关注的只是近似值而不是准确值，这时可以使用 approx_count_distinct 函数，并可以使用第二个参数指定最大允许误差。 empDF.select(approx

在本章我们给出一些建议：贯穿本系列我们提取出了十四条基本指南，这些基本的指南将会帮助你为你的数据库创建最佳的索引架构。 这些指南的格式借鉴了 “框架设计指导”，Krzysztof Cwalina 和Brad Abramszai.NET 程序开发的标准化方面做了优秀的工作，并由Addison Wesley.出版发行。每一条建议都由如下词语定义：“DO”, 'CONSIDER', "AVOID", "DO NOT", 它们表示了如下的意义： DO: 这条建议应该总是被遵守。 CONSIDER: 一般说来这条建议需要被遵守，但是如果你完全理解了指南背后的原因，并深入了解你不遵守这条指南的理由，那么便可以适时的从这条指南上转移你的注意力。 AVOID: 与 CONSIDER相对的，一般来说这条指南建议了一些不应该被做的事情，但是，如果你完全理解了为什么它不应该被做，并且你也理解无论如何也要做它的原因， 那么， 就做它。 DO NOT 是 AVOID 的强化版本，它预示着绝对不要做的一些事。DO NOT 指南也应该总是被遵守。 来源： https://www.cnblogs.com/qianxingmu/p/11336435.html

problem: https://leetcode.com/problems/perfect-squares 数字类dp。查找当前数字减去一个平方数对应的最小拆分次数。 class Solution { public: int numSquares(int n) { vector<int> dp(n + 1, INT_MAX); dp[0] = 0; for(int i = 1;i <= n; i++) { for(int j = 1;j * j <= i; j++) { dp[i] = min(dp[i], dp[i - j * j] + 1); } } return dp[n]; } }; 来源： https://www.cnblogs.com/fish1996/p/11331394.html

洛谷 P2202 [USACO13JAN]方块重叠Square Overlap Description 在一个直角坐标系中，有N个边长为K的正方形。 给出每一个正方形的中心，请判断所有的正方形是否有重叠。 输入数据保证每一个正方形的中心不重合 Input * 第1行 ：两个正整数： N , K 其中：2 <= N <= 50 000 ，1 <= K <= 1 000 000 ，K保证是偶数 *第2 .. i+1行：每行有两个整数xi，yi，描述了第i个正方形的中心。 其中：xi，yi均在[-1 000 000，1 000 000]内 Output 只输出一行： 如果没有正方形重叠，输出“0”；如果有且只有一对正方形重叠，输出它们重叠的面积；如果有两对及以上的正方形重合，输出"-1"; 注意：在输出答案后一定要输换行符！ Sample Input 4 6 0 0 8 4 -2 1 0 7 Sample Output 20 题解： 模拟。 正解貌似是线性扫描，其实是优化的暴力。但是我这种本人玄学优化的代码就卡过去了。 正常写就是直接判断是否重叠然后算重叠面积，O(n ^ 2) 我无非就是以x为关键字排了个序，其它做法同上，O(n * ?)， 轻轻松松被卡成O(n ^ 2) 这题稍微麻烦点的就是算重叠面积。首先重叠面积 = 重叠水平距离 * 重叠竖直距离。 水平距离因为是按照x排了序的