work specialist vs generalist。个人体验是先宽，后窄，再宽。“先宽”开始几年尽量接触不同的技术栈，找到自己的兴趣；“后窄”在senior / staff阶段成为某个方向的专家，最好要end to end pipeline熟练，这些技术积累会成为以后找工作的“矛”；“再宽”sr staff+需要更广的系统经验，或者management track需要融合非技术的部分。——【一亩三分地】 躺平有时，积极有时。 休息有时，然后工作有时。 在某种意义上，很多时候我们不是停留在想，而一定要去做。 你其实想的话，你的损耗会很大；但是做的时候，可能会让自己慢慢边平静。 ——罗翔 不要到当机会来临的时候，才感叹自己的无能。——井冈山赵子龙【力扣】 不要用战术上的勤奋掩盖战略上的懒惰。——雷军 不要以执行层面的发挥来掩盖在战略和定位上的无能。——黄有璨【知乎】 只有当一个人有时候不能睡懒觉的时候，能睡懒觉才会变得有价值且能让人极大快乐。当一个人天天都能睡懒觉的时候，睡懒觉本身会变成一种负担。——姚同学【朋友圈】 第一届互联网人出路分享大赛 三十 ...

KMP算法概念 KMP算法是一种用于字符串匹配的经典算法，它的全名是Knuth-Morris-Pratt算法，是由Donald Knuth、Vaughan Pratt和James H. Morris分别独立发明的。KMP算法用于在一个主文本字符串中查找一个模式字符串的出现，它的主要优势在于在匹配失败时避免不必要的回溯。 KMP算法通过构建部分匹配表（Partial Match Table），也称为最长前缀后缀匹配表（Longest Prefix Suffix Table），来避免这种不必要的比较。 性能分析 KMP算法的时间复杂度为O(m + n)，其中m是主文本字符串的长度，n是模式字符串的长度。 参考 算法学习笔记(13): KMP算法 模板 1234567891011121314151617181920212223242526// 利用匹配获取pmt数组public static int[] getPmt(char[] pattern) { int pmt[] = new int[pattern.length]; // pmt[0] = 0; // 计算p ...

问题 今天需要在Idea的命令行中使用Mysql，输入Mysql发现无法找到（之前都是用的Navicat） 环境 Windows10+Mysql8 解决 刚开始，发现mysql的环境变量都没有配，于是在path中加上C:\Program Files\MySQL\MySQL Server 8.0\bin 在cmd窗口试了下还是不行。于是试了下管理员的cmd窗口，是可以的。 于是，去Idea里的terminal窗口中试了下，发现不行，所以Idea的terminal没有管理员权限 解决这个问题，只需要设置Idea管理员启动即可（右键→属性→兼容性→以管理员身份运行）

Spring基础 Spring 的核心是一个 容器，通常称为 Spring 应用程序上下文，用于创建和管理应用程序组件。这些组件（或 bean）在 Spring 应用程序上下文中连接在一起以构成一个完整的应用程序，就像将砖、灰浆、木材、钉子、管道和电线绑在一起以组成房屋。 依赖注入 将 bean 连接在一起的行为是基于一种称为 依赖注入（DI）的模式。（见显式配置示例） 显式配置 例如，以下 XML 声明两个 bean，一个 InventoryService bean 和一个 ProductService bean，然后通过构造函数参数将 InventoryService bean 注入到 ProductService 中： 1234<bean id="inventoryService" class="com.example.InventoryService" /><bean id="productService" class="com.example.ProductService" ...

Windows 常用命令 123456789# 查看端口占用netstat -ano | findstr 3306# 停止服务（需要管理员权限）net stop mysql80# 列举所有文件dir# 将文件移动到目标位置move file-name dir-name\ 参考 文件名包含空格的文件执行方式 文件名包含空格，比如：a df.txt 在命令行中如果直接敲这个文件名，则会被认为是两个文件a和df.txt 所以命令行中需要加上双引号（不能是单引号） 所以用Python的os.system调用系统命令时，需要这样 1os.system('python gene.py --input "{}" --output "{}"'.format(input_dir_path, output_dir_path)) 微软输入法 win + ;： 快速emoji win + v： 历史剪贴板 v：快捷转换：时间、数学计算 u：打出自己不会的字，比如：u huo niao 䲴 以词定字：当想输入某 ...

dp深似海 “系统过去的历史只能通过现阶段的状态去影响系统的未来”——研究生算法课程老师对动态规划的描述，感觉挺不错的 分类参考了灵神的dp题单 记忆化搜索和递推是dp的两种实现方式 网格图dp 背包dp 线性dp 状态机dp 划分型dp 区间dp 状压dp 数位dp 树形dp dp回溯 其它待分类dp 注意事项 如果动态转移方程不是按顺序的，那么需要注意不能直接赋值f[i+1][j] = f[i][j];，因为这样可能会覆盖之前动态转移的结果（注释的是按顺序的动态转移写法） 相关题解：3276. 选择矩阵中单元格的最大得分 1234567f[i+1][j] = Math.max(f[i+1][j], f[i][j]);// f[i+1][j] = f[i][j]; // 这里是错的，不能赋值for (int s = map.get(nums.get(i)), t = 0; s > 0; s -= t) { t = s & -s; if ((j & t) > 0) continue; f[i+1][j|t] = ...

组合计数 计数基本原理 ∣A∣=∑a∈A1|A| = \sum\limits_{a \in A} 1∣A∣=a∈A∑​1 加法定理 |A U B| = |A| + |B| 乘法定理 |A * B| = |A| * |B| 举例 n-bit二进制串一共有多少个： 2^n（乘法原理） 如果把0看作(，把1看作)，配对的括号序列有多少个？ 0011->(()) 101010->)()()( 对于长度为6的序列： 序列={()‾(()),k=2()‾()(),k=2(‾())‾(),k=4(‾(()))‾,k=6(‾()())‾,k=6序列 = \begin{cases} \underline{()}(()), & k = 2 \\ \underline{()}()(), & k = 2 \\ \underline{(}()\underline{)}(), & k = 4 \\ \underline{(}(())\underline{)}, & k = 6 \\ \underline{(}()()\underline{)}, & ...

建图是一个机械劳作 邻接矩阵 邻接矩阵是一个二维数组，其行和列都对应图中的顶点。如果顶点i和顶点j之间存在边，则矩阵中的i,j 位置的元素为1（对于无权图），或为边的权重（对于有权图）。如果i=j，则通常为0，表示顶点不会与自己相连 一般来说，题目给出的都是邻接矩阵的形式。 例如743. 网络延迟时间 这个题目就是给你一个列表 times，表示信号经过 有向 边的传递时间。 times[i] = (ui, vi, wi)，其中 ui 是源节点，vi 是目标节点， wi 是一个信号从源节点传递到目标节点的时间。 本篇主要讨论如何将邻接矩阵转换成其它的存图方式 邻接表 邻接表是表示图中顶点之间相邻关系的一种方式。对于图中的每一个顶点，邻接表包含了与该顶点直接相连的所有顶点的列表。 12345678public int networkDelayTime(int[][] times, int n, int k) { List<int[]> g[] = new ArrayList[n]; Arrays.setAll(g, i -> new ArrayL ...

SPFA算法 概念 SPFA算法是一种基于Bellman-Ford算法的改进版本，它用于计算图中各节点到源节点的最短路径。与Bellman-Ford算法不同的是，SPFA算法使用了队列来优化计算，从而在某些情况下加速了计算过程。 SPFA算法的基本思想是从源节点开始，将源节点放入队列中，然后不断从队列中取出节点，考察它的邻接节点，以更新到这些邻接节点的最短距离。如果某个节点的最短距离被更新，且该节点不在队列中，那么将该节点加入队列中，以便后续继续考察。 复杂度是O(V*E) 步骤 初始化：将源节点的最短距离设置为0，其他节点的最短距离设置为无穷大（或一个足够大的值），并将源节点加入队列中。 迭代处理队列中的节点： 从队列中取出一个节点。 考察该节点的所有邻接节点，如果通过当前节点到达邻接节点的路径比已知的最短路径更短，则更新邻接节点的最短路径。 如果邻接节点的最短路径被更新，且邻接节点不在队列中，将它加入队列中。 重复步骤2，直到队列为空。 最短路径计算完成后，可以从源节点到任意目标节点的最短路径已知。 原则 只让当前点能到达的点入队 如果一个点已经在队列里， ...

LRU 缓存 请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。 实现 LRUCache 类： LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存 int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。 void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该 逐出 最久未使用的关键字。 函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。 示例： 1234567891011121314151617输入["LRUCache", "put", "put", "get", "put", "get", "put", "get& ...