当前位置：首页 > news >正文

Java，八股，cv，算法——双非研0四修之路day23

news 2025/8/3 11:41:22

昨日总结

今日计划

算法——逆波兰表达式

算法——滑动窗口最大值（逆天的单调队列解法）

JVM

分布式缓存

Redis持久化

Redis主从集群

Redis哨兵

Redis分片集群结构

昨日八股答案

今日八股

昨日总结

redis高级篇（分布式缓存），JVM课程学习
cv（停滞中）
背诵小林coding--Java并发面试篇(6/6)
代码随想录——逆波兰表达式，滑动窗口最大值（逆天的单调队列解法）

今日计划

redis高级篇（分布式缓存+多级缓存），JVM底层原理
cv（停滞中）
背诵小林coding--Java并发面试篇(1/5)
代码随想录——前k个高频元素，二叉树的递归与非递归遍历

算法——逆波兰表达式

给你一个字符串数组 tokens ，表示一个根据逆波兰表示法表示的算术表达式。

请你计算该表达式。返回一个表示表达式值的整数。

注意：

有效的算符为 '+'、'-'、'*' 和 '/' 。
每个操作数（运算对象）都可以是一个整数或者另一个表达式。
两个整数之间的除法总是 向零截断 。
表达式中不含除零运算。
输入是一个根据逆波兰表示法表示的算术表达式。
答案及所有中间计算结果可以用 32 位 整数表示。

示例 1：

输入：tokens = ["2","1","+","3","*"]
输出：9
解释：该算式转化为常见的中缀算术表达式为：((2 + 1) * 3) = 9

示例 2：

输入：tokens = ["4","13","5","/","+"]
输出：6
解释：该算式转化为常见的中缀算术表达式为：(4 + (13 / 5)) = 6

class Solution {public int evalRPN(String[] tokens) {//思路一点没有，全是语法错误。注意：push操作最好在case中完成，不要单拿出来。而且不要一上来就取栈的元素，否则可能//会抛出NoSuchElementException异常。//初始一个栈，方便出栈计算//Stack 类是一个泛型类，它只能存储引用类型，而 int 是基本数据类型，需要借助自动装箱机制将 int 转换为其对应的包装类 Integer 来实现入栈操作。Deque<Integer> stack = new LinkedList<Integer>();for(String index : tokens) {int one,two,res = 0;switch(index) {case "+" :one = stack.pop();two = stack.pop();res = two + one;stack.push(res);break;case "-" :one = stack.pop();two = stack.pop();res = two - one;stack.push(res);break;case "*" :one = stack.pop();two = stack.pop();res = two * one;stack.push(res);break;case "/" :one = stack.pop();two = stack.pop();res = two / one;stack.push(res);break;default :stack.push(Integer.valueOf(index));break;}}return stack.pop();}
}

算法——滑动窗口最大值（逆天的单调队列解法）

给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值 。

示例：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
输出：[3,3,5,5,6,7]

//利用双端队列手动实现单调队列
/*** 用一个单调队列来存储对应的下标，每当窗口滑动的时候，直接取队列的头部指针对应的值放入结果集即可* 单调队列类似 （tail -->） 3 --> 2 --> 1 --> 0 (--> head) (右边为头结点，元素存的是下标)*/
class Solution {public int[] maxSlidingWindow(int[] nums, int k) {ArrayDeque<Integer> deque = new ArrayDeque<>();int n = nums.length;int[] res = new int[n - k + 1];int idx = 0;for(int i = 0; i < n; i++) {// 根据题意，i为nums下标，是要在[i - k + 1, i] 中选到最大值，只需要保证两点// 1.队列头结点需要在[i - k + 1, i]范围内，不符合则要弹出while(!deque.isEmpty() && deque.peek() < i - k + 1){deque.poll();}// 2.既然是单调，就要保证每次放进去的数字要比末尾的都大，否则也弹出while(!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {deque.pollLast();}deque.offer(i);// 因为单调，当i增长到符合第一个k范围的时候，每滑动一步都将队列头节点放入结果就行了if(i >= k - 1){res[idx++] = nums[deque.peek()];}}return res;}
}

JVM

JVM中表示两个class对象是否为同一个类：首先类的完整类名必须一致，包括包名；加载这个类的ClassLoader必须相同，否则这两个类的对象是不相等的
JVM必须指到一个类型是由启动加载器加载的还是用户类加载器加载的。一是因为采用双亲委派机制，需要保证类的加载顺序。二是防止与启动类加载器的核心类库同名，防止核心类被篡改。
灰色区域是每个线程独立拥有的，红色是每个进程（虚拟机实例）对应一份，同时红色也是线程共享的部分

JVM的垃圾回收主要集中在堆区和方法区，栈是没有GC（垃圾回收）的，他垃圾回收就是进站出站。
PC没有GC，也没有OOM（内存不足异常）
栈是运行时的单位（程序如何运行，如何处理数据等等问题），堆是存储的单位（数据的存储问题，数据怎么放，放在哪等）
栈存在OOM内存溢出，但不存在GC

分布式缓存

Redis持久化

RDB异步持久化：

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB文件。

fork操作就是在复制页表（与操作系统知识紧密相关）

缺点： RDB执行间隔时间长，两次RDB之间写入数据有丢失的风险。fork紫禁城、压缩、写出RDB文件都比较耗时

AOF持久化：

redis处理的每一个写命令都会记录在AOF文件，可以看做是命令日志文件。

Redis主从集群

数据同步原理

全量同步流程图

全量同步的流程

slave节点请求增量同步
master节点判断replid，发现不一致，拒绝增量同步
master将完整内存数据生成RDB，发送RDB到slave
slave清空本地数据，加载master的RDB
master将RDB期间的命令记录在repl_baklog，并持续将log中的命令发送给slave
slave执行接收到的命令，保持与master之间的同步

增量同步流程图

注意：repl_baklog大小有上限，写满后会覆盖最早的数据。如果slave断开时间过久，导致尚未备份的数据被覆盖，则无法基于log做增量同步，只能再次全量同步。

主从集群就数据同步问题的优化

在master中配置repl-diskless-syncyes启用无磁盘复制，避免全量同步时的磁盘lO。
Redis单节点上的内存占用不要太大，减少RDB导致的过多磁盘IO
适当提高repl_baklog的大小，发现slave宕机时尽快实现故障恢复，尽可能避免全量同步
限制一个master上的slave节点数量，如果实在是太多slave，则可以采用主-从-从链式结构，减少master压力

总结

全量与增量同步区别

全量同步：master将完整内存数据生成RDB，发送RDB到slave。后续命令则记录在repl_baklog，逐个发送给slave。
增量同步：slave提交自己的offset到master，master获取repL_baklog中从offset之后的命令给slave

什么时候执行全量同步

slave节点第一次连接master节点时
slave节点断开时间太久，repl_baklog中的offset已经被覆盖时

什么时候执行增量同步

slave节点断开又恢复，并且在repl_baklog中能找到offset时

Redis哨兵

背景：在redis主从集群中如果主节点发生了宕机，可以采用Redis哨兵来实现主从集群的自动故障恢复。

作用：

Sentinel监控主从节点是否正常工作
如果主节点发成故障，Sentinel将一个从节点升为主节点。故障恢复后，也以新的主节点为主
通知客户端节点地址发生变更，通过访问Sentinel来查询是否发生变更。（RedisTemplate已经实现了查询节点是否变更的更新，只需调用即可，其中还可配置主从读写分离操作）