茶6.3-6.7
茶6.3-6.7MonMoney Trees_898F 输入 T(≤1e3) 表示 T 组数据。所有数据的 n 之和 ≤2e5。每组数据输入 n(1≤n≤2e5) k(1≤k≤1e9) 和长为 n 的数组 a(1≤a[i]≤1e4)，长为 n 的数组 h(1≤h[i]≤1e9)。 选一个子区间 [L,R]，对于 [L,R-1] 内的 i，满足 h[i] 是 h[i+1] 的倍数，且 a[L] +
CMU15445-lecture2
第二课：现代SQL1 关系语言 埃德加·科德在20世纪70年代初发表了一篇关于关系模型的重要论文。起初，他只定义了数据库管理系统（DBMS）如何在关系模型上执行查询的数学表示。用户只需使用声明性语言（即SQL）指定他们想要的结果。DBMS负责确定生成该答案的最有效计划。关系代数基于集合（无序，无重复项）。SQL基于多重集（无序，允许重复项）。 2 SQL历史 关系数据库的声明式查询语言。它最初在1
CMU15445-lecture1
第一课：关系模型与代数1 数据库 数据库是相互关联的数据的有组织的集合，它对现实世界的某些方面进行建模（例如，在课堂或数字音乐商店中为学生建模）。人们经常将“数据库”与“数据库管理系统”（例如 MySQL、Oracle、MongoDB、Snowflake）混淆。数据库管理系统（DBMS）是管理数据库的软件。 考虑一个对数字音乐商店（例如 Spotify）进行建模的数据库。让数据库保存有关艺术家以及
scene-question-3
如果你的业务量突然提升100倍QPS你会怎么做？典型回答首先看下这个业务量的提升的原因和特点是什么？ 那么就有很多种情况了： 业务有好转有起色了，或者刚好蹭到某个热点 被DDOS了 如果是被DDOS攻击了，也会导致流量提升，那么这种就通过防止DDOS攻击的手段来解决。 什么是DDoS攻击？如何防止被攻击？ 如果是蹭到了某个热点，那么久可以通过临时方案来解决，不需要考虑的太久，那么最简单的就是扩
scene-question-2
每天100w次登陆请求，4C8G机器如何做JVM调优？典型回答首先，我们需要问清楚，一天100w次的登陆，在一天内有没有某个时段是高峰的？高峰期的QPS大概可以达到多少。 如果没有高峰期，100w平均下来QPS只有10，这个量不需要做JVM优化。 一般业务场景中，都是有自己的业务高峰期的，比如电商业务基本上上午十点和下午两点是业务高峰期，基本上这时候的QPS是平时的20倍都不止。 我们假设登陆业务
tea-5.27-5.31
茶5.27-5.31MonAlternating Subsequence 输入 T(≤1e4) 表示 T 组数据。所有数据的 n 之和 ≤2e5。每组数据输入 n(1≤n≤2e5) 和长为 n 的数组 a(-1e9≤a[i]≤1e9 且 a[i]≠0)。 选一个 a 的子序列，要求： 子序列是交替的（相邻元素一正一负）。 在满足 1 的前提下，子序列尽量长。 在满足 2 的前提下，子序列元素和尽
An Optimized Conflict-free Replicated Set
优化的无冲突复制集补充：CRDT 解决最终一致问题的利器 摘要： 复制数据的最终一致性支持并发更新，减少延迟并提高容错能力，但放弃了强一致性。因此，一些云计算平台实现了最终一致的数据类型。 该集合是一种广泛且有用的抽象，并且已经提出了许多复制集设计。我们提出了一种推理抽象，即排列等价，它系统化了并发类型的预期并发语义的表征。在此框架下，我们提出了现有的无冲突复制数据类型之一：Observed-Re
Bitcoin
比特币：点对点电子现金系统概要纯粹的点对点版本的电子现金将允许在线支付直接从一方发送到另一方，而无需通过金融机构。数字签名提供了部分解决方案，但如果仍然需要可信第三方来防止双重支出，那么主要的收益就会丧失。我们剔除了一种使用点对点网络来解决双重支出问题的解决方案。网络通过将交易散列到持续的基于散列的工作量证明链中来为交易添加时间戳，形成一条记录，如果不重做工作量证明就无法更改。最长的链不仅可以证明
