刷了四百道算法题,我在项目里用过哪几道呢?

大家好,我是老三,今天和大家聊一个话题:项目中用到的力扣算法。

不知道从什么时候起,算法已经成为了互联网面试的标配,在十年前,哪怕如日中天的百度,面试也最多考个冒泡排序。后来,互联网越来越热,涌进来的人越来越多,整个行业越来越内卷的,算法也慢慢成了大小互联网公司面试的标配,力扣现在已经超过3000题了,那么这些题目有多少进入了面试的考察呢?

以最爱考算法的字节跳动为例,看看力扣的企业题库,发现考过的题目已经有1850道------按照平均每道题花20分钟来算,刷完字节题库的算法题需要37000分钟,616.66小时,按每天刷满8小时算,需要77.08天,一周刷五天,需要15.41周,按一个月四周,需要3.85个月。也就是说,在脱产,最理想的状态下,刷完力扣的字节题库,需要差不多4个月时间。

那么,我在项目里用过,包括在项目中见过哪些力扣上的算法呢?我目前刷了400多道题,翻来覆去盘点了一下,发现,也就这么几道。

1.版本比较:比较客户端版本

场景

在日常的开发中,我们很多时候可能面临这样的情况,兼容客户端的版本,尤其是Android和iPhone,有些功能是低版本不支持的,或者说有些功能到了高版本就废弃掉。

这时候就需要进行客户端的版本比较,客户端版本号通常是这种格式6.3.40,这是一个字符串,那就肯定不能用数字类型的比较方法,需要自己定义一个比较的工具方法。

题目

165. 比较版本号

这个场景对应LeetCode: 165. 比较版本号

  • 题目:165. 比较版本号 (leetcode.cn/problems/co...)

  • 难度:中等

  • 标签:双指针 字符串

  • 描述:

    给你两个版本号 version1version2 ,请你比较它们。

    版本号由一个或多个修订号组成,各修订号由一个 '.' 连接。每个修订号由 多位数字 组成,可能包含 前导零 。每个版本号至少包含一个字符。修订号从左到右编号,下标从 0 开始,最左边的修订号下标为 0 ,下一个修订号下标为 1 ,以此类推。例如,2.5.330.1 都是有效的版本号。

    比较版本号时,请按从左到右的顺序依次比较它们的修订号。比较修订号时,只需比较 忽略任何前导零后的整数值 。也就是说,修订号 1 和修订号 001 相等 。如果版本号没有指定某个下标处的修订号,则该修订号视为 0 。例如,版本 1.0 小于版本 1.1 ,因为它们下标为 0 的修订号相同,而下标为 1 的修订号分别为 010 < 1

    返回规则如下:

    • 如果 *version1* > *version2* 返回 1
    • 如果 *version1* < *version2* 返回 -1
    • 除此之外返回 0

    示例 1:

    arduino 复制代码
    输入:version1 = "1.01", version2 = "1.001"
    输出:0
    解释:忽略前导零,"01" 和 "001" 都表示相同的整数 "1"

    示例 2:

    ini 复制代码
    输入:version1 = "1.0", version2 = "1.0.0"
    输出:0
    解释:version1 没有指定下标为 2 的修订号,即视为 "0"

    示例 3:

    arduino 复制代码
    输入:version1 = "0.1", version2 = "1.1"
    输出:-1
    解释:version1 中下标为 0 的修订号是 "0",version2 中下标为 0 的修订号是 "1" 。0 < 1,所以 version1 < version2

    提示:

    • 1 <= version1.length, version2.length <= 500
    • version1version2 仅包含数字和 '.'
    • version1version2 都是 有效版本号
    • version1version2 的所有修订号都可以存储在 32 位整数

解法

那么这道题怎么解呢?这道题其实是一道字符串模拟题,就像标签里给出了了双指针,这道题我们可以用双指针+累加来解决。

  • 两个指针遍历version1version2
  • . 作为分隔符,通过累加获取每个区间代表的数字
  • 比较数字的大小,这种方式正好可以忽略前导0

来看看代码:

arduino 复制代码
class Solution {
    public int compareVersion(String version1, String version2) {
        int m = version1.length();
        int n = version2.length();
​
        //两个指针
        int p = 0, q = 0;
​
        while (p < m || q < n) {
            //累加version1区间的数字
            int x = 0;
            while (p < m && version1.charAt(p) != '.') {
                x += x * 10 + (version1.charAt(p) - '0');
                p++;
            }
​
            //累加version2区间的数字
            int y = 0;
            while (q < n && version2.charAt(q) != '.') {
                y += y * 10 + (version2.charAt(q) - '0');
                q++;
            }
​
            //判断
            if (x > y) {
                return 1;
            }
            if (x < y) {
                return -1;
            }
​
            //跳过.
            p++;
            q++;
        }
        //version1等于version2
        return 0;
    }
}
​

应用

这段代码,直接CV过来,就可以直接当做一个工具类的工具方法来使用:

arduino 复制代码
public class VersionUtil {
​
    public static Integer compareVersion(String version1, String version2) {
        int m = version1.length();
        int n = version2.length();
​
        //两个指针
        int p = 0, q = 0;
​
        while (p < m || q < n) {
            //累加version1区间的数字
            int x = 0;
            while (p < m && version1.charAt(p) != '.') {
                x += x * 10 + (version1.charAt(p) - '0');
                p++;
            }
​
            //累加version2区间的数字
            int y = 0;
            while (q < n && version2.charAt(q) != '.') {
                y += y * 10 + (version2.charAt(q) - '0');
                q++;
            }
​
            //判断
            if (x > y) {
                return 1;
            }
            if (x < y) {
                return -1;
            }
​
            //跳过.
            p++;
            q++;
        }
        //version1等于version2
        return 0;
    }
}
​

前面老三分享过一个规则引擎:这款轻量级规则引擎,真香!

比较版本号的方法,还可以结合规则引擎来使用:

  • 自定义函数:利用AviatorScript的自定义函数特性,自定义一个版本比较函数

    typescript 复制代码
        /**
         * 自定义版本比较函数
         */
        class VersionFunction extends AbstractFunction {
            @Override
            public String getName() {
                return "compareVersion";
            }
    ​
            @Override
            public AviatorObject call(Map<String, Object> env, AviatorObject arg1, AviatorObject arg2) {
                // 获取版本
                String version1 = FunctionUtils.getStringValue(arg1, env);
                String version2 = FunctionUtils.getStringValue(arg2, env);
                return new AviatorBigInt(VersionUtil.compareVersion(version1, version2));
            }
        }
  • 注册函数:将自定义的函数注册到AviatorEvaluatorInstance

    csharp 复制代码
        /**
         * 注册自定义函数
         */
        @Bean
        public AviatorEvaluatorInstance aviatorEvaluatorInstance() {
            AviatorEvaluatorInstance instance = AviatorEvaluator.getInstance();
            // 默认开启缓存
            instance.setCachedExpressionByDefault(true);
            // 使用LRU缓存,最大值为100个。
            instance.useLRUExpressionCache(100);
            // 注册内置函数,版本比较函数。
            instance.addFunction(new VersionFunction());
            return instance;
        }
  • 代码传递上下文:在业务代码里传入客户端、客户端版本的上下文

    typescript 复制代码
        /**
         * @param device  设备
         * @param version 版本
         * @param rule    规则脚本
         * @return 是否过滤
         */
        public boolean filter(String device, String version, String rule) {
            // 执行参数
            Map<String, Object> env = new HashMap<>();
            env.put("device", device);
            env.put("version", version);
            //编译脚本
            Expression expression = aviatorEvaluatorInstance.compile(DigestUtils.md5DigestAsHex(rule.getBytes()), rule, true);
            //执行脚本
            boolean isMatch = (boolean) expression.execute(env);
            return isMatch;
        }
  • 编写脚本:接下来我们就可以编写规则脚本,规则脚本可以放在数据库,也可以放在配置中心,这样就可以灵活改动客户端的版本控制规则

    kotlin 复制代码
    if(device==bil){
        return false;
    }
    
    ## 控制Android的版本
    if (device=="Android" && compareVersion(version,"1.38.1")<0){
        return false;
    }
    
    return true;

2.N叉数层序遍历:翻译商品类型

场景

一个跨境电商网站,现在有这么一个需求:把商品的类型进行国际化翻译。

商品的类型是什么结构呢?一级类型下面还有子类型,字类型下面还有子类型,我们把结构一画,发现这就是一个N叉树的结构嘛。

翻译商品类型,要做的事情,就是遍历这棵树,翻译节点上的类型,这不妥妥的BFS或者DFS!

题目

429. N 叉树的层序遍历

这个场景对应LeetCode:429. N 叉树的层序遍历

  • 题目:429. N 叉树的层序遍历(leetcode.cn/problems/n-...)

  • 难度:中等

  • 标签: 广度优先搜索

  • 描述:

    给定一个 N 叉树,返回其节点值的层序遍历。(即从左到右,逐层遍历)。

    树的序列化输入是用层序遍历,每组子节点都由 null 值分隔(参见示例)。

    示例 1:

    ini 复制代码
    输入:root = [1,null,3,2,4,null,5,6]
    输出:[[1],[3,2,4],[5,6]]

    示例 2:

    csharp 复制代码
    输入:root = [1,null,2,3,4,5,null,null,6,7,null,8,null,9,10,null,null,11,null,12,null,13,null,null,14]
    输出:[[1],[2,3,4,5],[6,7,8,9,10],[11,12,13],[14]]

    提示:

    • 树的高度不会超过 1000
    • 树的节点总数在 [0, 10^4] 之间

解法

BFS想必很多同学都很熟悉了,DFS的秘诀是,BFS的秘诀是队列

层序遍历的思路是什么呢?

使用队列,把每一层的节点存储进去,一层存储结束之后,我们把队列中的节点再取出来,孩子节点不为空,就把孩子节点放进去队列里,循环往复。

代码如下:

ini 复制代码
class Solution {
   public List<List<Integer>> levelOrder(Node root) {
        List<List<Integer>> result = new ArrayList<>();
        if (root == null) {
            return result;
        }

        //创建队列并存储根节点
        Deque<Node> queue = new LinkedList<>();
        queue.offer(root);

        while (!queue.isEmpty()) {
            //存储每层结果
            List<Integer> level = new ArrayList<>();
            int size = queue.size();
            for (int i = 0; i < size; i++) {
                Node current = queue.poll();
                level.add(current.val);
                //添加孩子
                if (current.children != null) {
                    for (Node child : current.children) {
                        queue.offer(child);
                    }
                }
            }
            //每层遍历结束,添加结果
            result.add(level);
        }
        return result;
    }
}

应用

商品类型翻译这个场景下,基本上和这道题目大差不差,不过是两点小区别:

  • 商品类型是一个属性多一些的树节点
  • 翻译过程直接替换类型名称即可,不需要返回值

来看下代码:

  • ProductCategory:商品分类实体

    arduino 复制代码
    public class ProductCategory {
        /**
         * 分类id
         */
        private String id;
        /**
         * 分类名称
         */
        private String name;
        /**
         * 分类描述
         */
        private String description;
        /**
         * 子分类
         */
        private List<ProductCategory> children;
      
        //省略getter、setter
      
    }  
  • translateProductCategory:翻译商品类型方法

    arduino 复制代码
       public void translateProductCategory(ProductCategory root) {
            if (root == null) {
                return;
            }
    
            Deque<ProductCategory> queue = new LinkedList<>();
            queue.offer(root);
    
            //遍历商品类型,翻译
            while (!queue.isEmpty()) {
                int size = queue.size();
                //遍历当前层
                for (int i = 0; i < size; i++) {
                    ProductCategory current = queue.poll();
                    //翻译
                    String translation = translate(current.getName());
                    current.setName(translation);
                    //添加孩子
                    if (current.getChildren() != null && !current.getChildren().isEmpty()) {
                        for (ProductCategory child : current.getChildren()) {
                            queue.offer(child);
                        }
                    }
                }
            }
        }

3.前缀和+二分查找:渠道选择

场景

在电商的交易支付中,我们可以选择一些支付方式,来进行支付,当然,这只是交易的表象。

在支付的背后,一种支付方式,可能会有很多种支付渠道,比如Stripe、Adyen、Alipay,涉及到多个渠道,那么就涉及到决策,用户的这笔交易,到底交给哪个渠道呢?

这其实是个路由问题,答案是加权随机,每个渠道有一定的权重,随机落到某个渠道,加权随机有很多种实现方式,其中一种就是前缀和+二分查找。简单说,就是先累积所有元素权重,再使用二分查找来快速查找。

题目

先来看看对应的LeetCode的题目,这里用到了两个算法:前缀和二分查找

704. 二分查找

  • 题目:704. 二分查找(leetcode.cn/problems/bi...)

  • 难度:简单

  • 标签:数组 二分查找

  • 描述:

    给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1

    示例 1:

    makefile 复制代码
    输入: nums = [-1,0,3,5,9,12], target = 9
    输出: 4
    解释: 9 出现在 nums 中并且下标为 4

    示例 2:

    makefile 复制代码
    输入: nums = [-1,0,3,5,9,12], target = 2
    输出: -1
    解释: 2 不存在 nums 中因此返回 -1

    提示:

    1. 你可以假设 nums 中的所有元素是不重复的。
    2. n 将在 [1, 10000]之间。
    3. nums 的每个元素都将在 [-9999, 9999]之间。

解法

二分查找可以说我们都很熟了。

数组是有序的,定义三个指针,leftrightmid,其中midleftright的中间指针,每次中间指针指向的元素nums[mid]比较和target比较:

  • 如果nums[mid]等于target,找到目标
  • 如果nums[mid]小于target,目标元素在(mid,right]区间;
  • 如果nums[mid]大于target,目标元素在[left,mid)区间

代码:

sql 复制代码
class Solution {
    public int search(int[] nums, int target) {
        int left=0;
        int right=nums.length-1;

        while(left<=right){
            int mid=left+((right-left)>>1);
            if(nums[mid]==target){
                return mid;
            }else if(nums[mid]<target){
                //target在(mid,right]区间,右移
                left=mid+1;
            }else{
                //target在[left,mid)区间,左移
                right=mid-1;
            }
        }
        return -1;
    }
}

二分查找,有一个需要注意的细节,计算mid的时候:int mid = left + ((right - left) >> 1);,为什么要这么写呢?

因为这种写法int mid = (left + right) / 2;,可能会因为left和right数值太大导致内存溢出。同时,使用位运算,也是除以2最高效的写法。

------这里有个彩蛋,后面再说。

303. 区域和检索 - 数组不可变

不像二分查找,在LeetCode上,前缀和没有直接的题目,因为本身前缀和更多是一种思路,一种工具,其中303. 区域和检索 - 数组不可变 是一道典型的前缀和题目。

  • 题目:303. 区域和检索 - 数组不可变(leetcode.cn/problems/ra...)

  • 难度:简单

  • 标签:设计 数组 前缀和

  • 描述:

    给定一个整数数组 nums,处理以下类型的多个查询:

    1. 计算索引 leftright (包含 leftright)之间的 nums 元素的 ,其中 left <= right

    实现 NumArray 类:

    • NumArray(int[] nums) 使用数组 nums 初始化对象
    • int sumRange(int i, int j) 返回数组 nums 中索引 leftright 之间的元素的 总和 ,包含 leftright 两点(也就是 nums[left] + nums[left + 1] + ... + nums[right] )

    示例 1:

    scss 复制代码
    输入:
    ["NumArray", "sumRange", "sumRange", "sumRange"]
    [[[-2, 0, 3, -5, 2, -1]], [0, 2], [2, 5], [0, 5]]
    输出:
    [null, 1, -1, -3]
    
    解释:
    NumArray numArray = new NumArray([-2, 0, 3, -5, 2, -1]);
    numArray.sumRange(0, 2); // return 1 ((-2) + 0 + 3)
    numArray.sumRange(2, 5); // return -1 (3 + (-5) + 2 + (-1)) 
    numArray.sumRange(0, 5); // return -3 ((-2) + 0 + 3 + (-5) + 2 + (-1))

    提示:

    • 1 <= nums.length <= 104
    • -105 <= nums[i] <= 105
    • 0 <= i <= j < nums.length
    • 最多调用 104sumRange 方法

解法

这道题,我们如果不用前缀和的话,写起来也很简单:

arduino 复制代码
class NumArray {
    private int[] nums;

    public NumArray(int[] nums) {
        this.nums=nums;
    }
    
    public int sumRange(int left, int right) {
        int res=0;
        for(int i=left;i<=right;i++){
            res+=nums[i];
        }
        return res;
    }
}

当然时间复杂度偏高,O(n),那么怎么使用前缀和呢?

  • 构建一个前缀和数组,用来累积 (0......i-1)的和,这样一来,我们就可以直接计算[left,right]之间的累加和

代码如下:

ini 复制代码
class NumArray {
    private int[] preSum;

    public NumArray(int[] nums) {
        int n=nums.length;
        preSum=new int[n+1];
        //计算nums的前缀和
        for(int i=0;i<n;i++){
            preSum[i+1]=preSum[i]+nums[i];
        }
    }
    
    //直接算出区间[left,right]的累加和
    public int sumRange(int left, int right) {
        return preSum[right+1]-preSum[left];
    }
}

可以看到,通过前缀和数组,可以直接算出区间[left,right]的累加和,时间复杂度O(1),可以说非常高效了。

应用

了解了前缀和和二分查找之后,回归我们之前的场景,使用前缀和+二分查找来实现加权随机,从而实现对渠道的分流选择。

  • 需要根据渠道和权重的配置,生成一个前缀和数组,来累积权重的值,渠道也通过一个数组进行分配映射
  • 用户的支付请求进来的时候,生成一个随机数,二分查找找到随机数载前缀和数组的位置,映射到渠道数组
  • 最后通过渠道数组的映射,找到选中的渠道

代码如下:

ini 复制代码
/**
 * 支付渠道分配器
 */
public class PaymentChannelAllocator {
    //渠道数组
    private String[] channels;
    //前缀和数组
    private int[] preSum;
    private ThreadLocalRandom random;

    /**
     * 构造方法
     *
     * @param channelWeights 渠道分流权重
     */
    public PaymentChannelAllocator(HashMap<String, Integer> channelWeights) {
        this.random = ThreadLocalRandom.current();
        // 初始化channels和preSum数组
        channels = new String[channelWeights.size()];
        preSum = new int[channelWeights.size()];

        // 计算前缀和
        int index = 0;
        int sum = 0;
        for (String channel : channelWeights.keySet()) {
            sum += channelWeights.get(channel);
            channels[index] = channel;
            preSum[index++] = sum;
        }
    }

    /**
     * 渠道选择
     */
    public String allocate() {
        // 生成一个随机数
        int rand = random.nextInt(preSum[preSum.length - 1]) + 1;

        // 通过二分查找在前缀和数组查找随机数所在的区间
        int channelIndex = binarySearch(preSum, rand);
        return channels[channelIndex];
    }

    /**
     * 二分查找
     */
    private int binarySearch(int[] nums, int target) {
        int left = 0;
        int right = nums.length - 1;

        while (left <= right) {
            int mid = left + ((right - left) >> 2);
            if (nums[mid] == target) {
                return mid;
            } else if (nums[mid] < target) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }
        // 当找不到确切匹配时返回大于随机数的最小前缀和的索引
        return left;
    }
}

测试一下:

ini 复制代码
    @Test
    void allocate() {
        HashMap<String, Integer> channels = new HashMap<>();
        channels.put("Adyen", 50);
        channels.put("Stripe", 30);
        channels.put("Alipay", 20);

        PaymentChannelAllocator allocator = new PaymentChannelAllocator(channels);

        // 模拟100次交易分配
        for (int i = 0; i < 100; i++) {
            String allocatedChannel = allocator.allocate();
            System.out.println("Transaction " + (i + 1) + " allocated to: " + allocatedChannel);
        }
    }

彩蛋

在这个渠道选择的场景里,还有两个小彩蛋。

二分查找翻车

我前面提到了一个二分查找求mid的写法:

sql 复制代码
int mid=left+((right-left)>>1);

这个写法机能防止内存溢出,用了位移运算也很高效,但是,这个简单的二分查找写出过问题,直接导致线上cpu飙升,差点给老三吓尿了。

sql 复制代码
int mid = (right - left) >> 2 + left;

就是这行代码,看出什么问题来了吗?

------它会导致循环结束不了!

为什么呢?因为>>运算的优先级是要低于+的,所以这个运算实际上等于:

sql 复制代码
int mid = (right - left) >> (2 + left);

在只有两个渠道的时候没有问题,三个的时候就寄了。

当然,最主要原因还是没有充分测试,所以大家知道我在上面为什么特意写了单测吧。

加权随机其它写法

这里用了前缀和+二分查找来实现加权随机,其实加权随机还有一些其它的实现方法,包括别名方法、树状数组、线段树 随机列表扩展 权重累积等等方法,大家感兴趣可以了解一下。

印象比较深刻的是,有场面试被问到了怎么实现加权随机,我回答了权重累积前缀和+二分查找,面试官还是不太满意,最后面试官给出了他的答案------随机列表扩展

什么是随机列表扩展呢?简单说,就是创建一个足够大的列表,根据权重,在相应的区间,放入对应的渠道,生成随机数的时候,就可以直接获取对应位置的渠道。

arduino 复制代码
public class WeightedRandomList {
    private final List<String> expandedList = new ArrayList<>();
    private final Random random = new Random();

    public WeightedRandomList(HashMap<String, Integer> weightMap) {
        // 填充 expandedList,根据权重重复元素
        for (String item : weightMap.keySet()) {
            int weight = weightMap.get(item);
            for (int i = 0; i < weight; i++) {
                expandedList.add(item);
            }
        }
    }

    public String getRandomItem() {
        // 生成随机索引并返回对应元素
        int index = random.nextInt(expandedList.size());
        return expandedList.get(index);
    }

    public static void main(String[] args) {
        HashMap<String, Integer> items = new HashMap<>();
        items.put("Alipay", 60);
        items.put("Adyen", 20);
        items.put("Stripe", 10);

        WeightedRandomList wrl = new WeightedRandomList(items);

        // 演示随机选择
        for (int i = 0; i < 10; i++) {
            System.out.println(wrl.getRandomItem());
        }
    }
}

这种实现方式就是典型的空间换时间,空间复杂度O(n),时间复杂度O(1)。优点是时间复杂度低,缺点是空间复杂度高,如果权重总和特别大的时候,就需要一个特别大的列表来存储元素。

当然这种写法还是很巧妙的,适合元素少、权重总和小的场景。

刷题随想

上面就是我在项目里用到过或者见到过的LeetCode算法应用,416:4,不足1%的使用率,还搞出过严重的线上问题。

......

在力扣社区里关于算法有什么的贴子里,有这样的回复:

"最好的结构是数组,最好的算法是遍历"。

"最好的算法思路是暴力。"

......

坦白说,如果不是为了面试,我是绝对不会去刷算法的,上百个小时,用在其他地方,绝对收益会高很多。

从实际应用去找刷LeetCode算法的意义,本身没有太大意义,算法题的最大意义就是面试。

刷了能过,不刷就挂,仅此而已。

这些年互联网行业红利消失,越来越多的算法题,只是内卷的产物而已。

当然,从另外一个角度来看,考察算法,对于普通的打工人,可能是个更公平的方式------学历、背景都很难卷出来,但是算法可以。

我去年面试的真实感受,"没机会"比"面试难"更令人绝望。

写到这,有点难受,刷几道题缓一下!


参考:

[1].leetcode.cn/circle/disc...

[2].36kr.com/p/121243626...

[3].leetcode.cn/circle/disc...

[4].leetcode.cn/circle/disc...


备注:涉及敏感信息,文中的代码都不是真实的投产代码,作者进行了一定的脱敏和演绎。


相关推荐
Q_19284999061 小时前
基于Spring Boot的九州美食城商户一体化系统
java·spring boot·后端
ZSYP-S1 小时前
Day 15:Spring 框架基础
java·开发语言·数据结构·后端·spring
yuanbenshidiaos1 小时前
C++----------函数的调用机制
java·c++·算法
唐叔在学习1 小时前
【唐叔学算法】第21天:超越比较-计数排序、桶排序与基数排序的Java实践及性能剖析
数据结构·算法·排序算法
ALISHENGYA2 小时前
全国青少年信息学奥林匹克竞赛(信奥赛)备考实战之分支结构(switch语句)
数据结构·算法
chengooooooo2 小时前
代码随想录训练营第二十七天| 贪心理论基础 455.分发饼干 376. 摆动序列 53. 最大子序和
算法·leetcode·职场和发展
jackiendsc2 小时前
Java的垃圾回收机制介绍、工作原理、算法及分析调优
java·开发语言·算法
Yuan_o_2 小时前
Linux 基本使用和程序部署
java·linux·运维·服务器·数据库·后端
程序员一诺2 小时前
【Python使用】嘿马python高级进阶全体系教程第10篇:静态Web服务器-返回固定页面数据,1. 开发自己的静态Web服务器【附代码文档】
后端·python