哈希算法

【优选算法篇】哈希表——空间换时间的极致艺术题目链接：1. 两数之和描述：给定一个整数数组 nums 和一个目标值 target，找出和为目标值的那两个整数，并返回它们的数组下标。

C++高并发内存池：内存池调优与测试前面我们已经完成了三种Cache的设计。本期我们就来调整一下内存池相关的设计问题相关代码在我的个人gitee：高并发内存池: 个人学习的项目——高并发内存池

小白自救计划

力扣知识点杂集键：数组中的数值值：该数值对应的下标需要建立对应关系 → 用 unordered_map

C++ 数据结构进阶：unordered_map 与 unordered_set源码分析与实现SGI STL 的设计哲学极其统一：底层提供一个高度泛型的容器引擎，上层通过不同的模板参数适配出功能各异的容器

C++高性能并发内存池：三种Cache的设计及其内存申请释放前面我们已经学习写了一个简单地定长内存池。并且设计出来了高性能并发内存池的框架，接下来我们就来写代码本期相关的代码已经上传到作者的个人gitee：高并发内存池: 个人学习的项目——高并发内存池喜欢请点个赞谢谢

我不是秋秋

软件开发项目各角色关系解析：产品/前后端/测试如何高效协作？💡 前言：一个成功的软件开发项目，从来不是某一个角色的“单打独斗”，而是产品、前端、后端、测试等多个角色的“协同作战”。每个角色都有明确的核心职责，彼此环环相扣、相互配合，就像一台精密的机器，只有各个零件各司其职、无缝衔接，才能高效运转，最终交付符合需求、质量达标的产品。今天就来详细拆解各角色的核心定位，以及他们之间的协作逻辑，帮你理清项目中的角色关系，避开协作误区。

优选算法_模拟_提莫攻击_C++有一个数组,里面每一个数字都表示一个攻击的时间,每一次攻击都会造成duration的中毒效果,求最大的中毒时间,在中毒期间再次攻击会重置中毒时间

我喜欢就喜欢

基于离散余弦变换的感知哈希算法：原理、实现与工程实践如果需要下载源码请到：纯Qt实现pHash算法源码资源-CSDN下载摘要感知哈希（Perceptual Hash, pHash）是一类将多媒体内容映射为紧凑指纹的算法族，其核心特性在于：语义相似的输入产生相近的哈希值，而传统密码学哈希（如SHA-256）则追求雪崩效应。本文系统阐述三种主流图像感知哈希算法——均值哈希（aHash）、差异哈希（dHash）和基于离散余弦变换的感知哈希（DCT-pHash）的数学原理与工程实现，并给出一个零外部依赖、基于Qt框架的C++生产级实现方案。

C++数据结构进阶：哈希表实现在上一篇文章中，我们已经系统地介绍了哈希表的基本原理，包括散列函数的设计、哈希冲突的产生原因以及负载因子的影响。通过这些内容可以看到，哈希表之所以能够在平均情况下实现 O(1) 的查找效率，核心在于将关键字通过哈希函数映射到数组下标，从而将查找问题转化为一次数组访问

【Golang】Golang Map数据结构底层原理Go map 底层是哈希表（Hash Table），采用「开放寻址 + 拉链法」混合实现（核心是拉链法），由 hmap（哈希表头部）和 bmap（桶）两大核心结构体支撑，我会从结构拆解 → 核心流程 → 增查示例完整讲透。

算法：字符串哈希#预处理 #前缀 #基础算法hash(s)=∑i=0n−1s[i]×pn−i−1(modM) hash(s) = \sum_{i=0}^{n-1} s[i] \times p^{n-i-1} \pmod{M} hash(s)=i=0∑n−1s[i]×pn−i−1(modM)

C++ 数据结构进阶：哈希表原理哈希（又称散列）是一种高效的数据组织方式。其名称暗示了数据的分散存储特性，其核心原理是通过哈希函数建立关键字Key与存储位置之间的映射关系。这种机制使得查找操作时，只需通过哈希函数快速计算出Key对应的存储位置即可完成检索

我星期八休息

深入理解哈希表目录前言一、哈希表的核心概念与基础思想1.1 什么是哈希1.2 直接定址法与优缺点二、哈希表的三大核心要素

C++ | 哈希的应用哈希的核心应用：位图（bitset）与布隆过滤器（Bloom Filter）。位图（bitset）是哈希的基础轻量实现，布隆过滤器是哈希 + 位图的经典组合优化，二者均基于哈希映射思想解决海量数据的存在性判断 / 去重问题，是哈希在 “空间高效利用” 场景下的核心应用，且布隆过滤器完美弥补了位图的天然缺陷。

Leetcode 454 四数相加II 采用哈希表解决为什么想到用哈希，因为时间复杂度要求N^2, 思路：遍历A和B数组，找到a+b的所有可能，然后遍历C和D数组找到-(a+b)的所有可能，并用hash_map记录-(a+b)出现的次数，得到最终结果

【码道初阶-Hot100】LeetCode 560. 和为 K 的子数组：从前缀和到哈希计数，彻底讲透为什么“统计前缀和”就等价于统计子数组个数LeetCode 560. 和为 K 的子数组（Subarray Sum Equals K）是前缀和题目中的经典代表，也是面试中高频出现的一道题。很多人第一次看到这题时，最容易产生两个疑问：

（10）LeetCode 560. 和为K的子数组给你一个整数数组 nums 和一个整数 k，请你统计并返回该数组中和为 k 的连续子数组的个数。示例 1：

喵喵蒻葉睦

力扣 hot100 最小覆盖子串哈希表滑动窗口 Java 题解以数组 intervals 表示若干个区间的集合，其中单个区间为 intervals[i] = [starti, endi] 。请你合并所有重叠的区间，并返回一个不重叠的区间数组，该数组需恰好覆盖输入中的所有区间。

Redis值数据类型——hash获取指定 hash 的单个字段值查看字段是否存在，当字段不存在时赋值，类似HSET（返回1），区别在于如果字段已经存在，该命令不执行任何操作（返回0）。

优选算法_丢失的数字_位运算_C++我们要找到一个没有的数字,先把nums存入hash表中,对比缺失的数字是哪个算法优化:在对比hash表的时候可以使用二分查找