小菜鸟

java菜鸟号正在起航

0%

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 2k 阅读时长 ≈ 2 分钟

非线性结构：树与图的核心概念与特性

非线性结构是指数据元素之间存在一对多或多对多关系的结构，无法用线性序列完整描述。常见的非线性结构包括树（一对多）和图（多对多），它们广泛应用于层次关系建模（如文件系统）、网络关系描述（如社交网络）等场景。

树（Tree）：一对多的层次结构

树是一种具有层次关系的非线性结构，核心特征是存在一个根节点，其余节点分属不同子树，形成一对多的分支关系。

树的定义与核心特征

树是由 n（n ≥ 0） 个节点组成的有限集合：

  • 当 n = 0 时，称为空树。
  • 当 n > 0 时，有且仅有一个根节点（无前驱节点）；其余节点可分为若干个互不相交的子集，每个子集本身也是一棵树（称为子树）。

核心特征：

  • 根节点唯一，无前驱。
  • 除根节点外，每个节点有且仅有一个前驱（父节点）。
  • 每个节点可以有任意多个后继（子节点）。

树的关键术语

阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 6.6k 阅读时长 ≈ 6 分钟

Java 时间操作全解析：从传统类到 Java 8 新 API

在 Java 中，时间操作是日常开发的常见需求，包括获取当前时间、格式化时间、计算时间差等。随着 Java 版本的演进，时间 API 也从早期的 Date、Calendar 发展到 Java 8 引入的 java.time 系列（如 LocalDateTime、ZonedDateTime），后者解决了传统 API 的线程不安全、设计混乱等问题。本文将全面介绍 Java 中操作时间的主要方式及最佳实践。

传统时间类（Java 8 之前）

1. java.util.Date

Date 是最早期的时间类，存储自 1970 年 1 月 1 日 00:00:00（UTC）以来的毫秒数，但大部分方法已被废弃（如 getYear()、getMonth()），仅保留少数核心方法（如 getTime()）。

示例：创建 Date 对象
1
2
3
4
5
6
7
8
9
import java.util.Date;

public class DateDemo {
    public static void main(String[] args) {
        Date now = new Date(); // 获取当前时间
        System.out.println(now); // 输出：Thu Aug 14 15:30:45 CST 2025
        System.out.println(now.getTime()); // 输出：1755166245000（毫秒时间戳）
    }
}
阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 3.8k 阅读时长 ≈ 3 分钟

数据结构之线性结构：从基础概念到实现细节

线性结构是数据结构中最基础也最常用的一类，其核心特征是数据元素之间存在一对一的线性关系。常见的线性结构包括线性表（顺序表、链表）、队列、栈等。它们在逻辑上形成一条 “直线”，每个元素（除首尾外）有唯一的前驱和后继。

线性结构的核心特征

线性结构的元素间关系可概括为：

  • 存在唯一的 “首元素”（第一个元素）和 “尾元素”（最后一个元素）。
  • 除首元素外，每个元素有且仅有一个 “前驱”（前一个元素）。
  • 除尾元素外，每个元素有且仅有一个 “后继”（后一个元素）。

这种结构使得数据的遍历可以按线性顺序依次进行（如从首到尾）。

线性表：线性结构的基础

线性表是由零个或多个数据元素组成的有限序列，是线性结构的抽象模型。根据存储方式的不同，线性表可分为顺序表（顺序存储）和链表（链式存储）。

1. 顺序表（Sequential List）

顺序表是用连续的存储空间存储元素的线性表，逻辑上的顺序与物理存储顺序一致（类似数组）。

实现原理
  • 底层依赖数组，元素在内存中连续排列，通过下标直接访问。
  • 容量固定（可动态扩容），元素个数（size）≤ 容量（capacity）。
核心操作及时间复杂度
操作 实现逻辑 时间复杂度
访问（get） 通过下标直接定位元素 O(1)
插入（add） 若插入中间位置，需移动后续元素腾出空间 O(n)
删除（remove） 若删除中间元素，需移动后续元素填补空位 O(n)
扩容（ensureCapacity） 复制原数组到更大的新数组 O (n)（触发时）
阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 1.9k 阅读时长 ≈ 2 分钟

算法简介：特性、性能分析与复杂度表示

算法是计算机科学的核心，是为解决特定问题而设计的一系列明确、可执行的步骤。一个高效的算法能显著提升程序性能，而理解算法的基本特性和性能分析方法，是设计和优化算法的基础。

算法的五大基本特性

算法必须满足以下五个核心特征，缺一不可：

  1. 有穷性
    算法必须在有限步骤内结束，不能无限循环。例如，求解斐波那契数列的算法需在计算到第 n 项后终止，而不是永远运行。
  2. 确定性
    算法的每一步操作必须无歧义，对于相同的输入，只能产生唯一的输出。例如，“将变量 a 的值增加 1” 是确定的，而 “将 a 的值稍微增加一点” 则不符合确定性。
  3. 输入
    算法可以有0 个或多个输入（从外部获取的数据）。例如，计算两个数的和需要 2 个输入，而打印 “Hello World” 则不需要输入。
  4. 输出
    算法必须有1 个或多个输出（与输入相关的结果）。输出是算法解决问题的体现，例如排序算法的输出是有序数组。
  5. 可行性
    算法的每一步操作必须能够通过有限次基本运算实现（如算术运算、逻辑判断等）。例如，“一步登天” 在现实中不可行，同理算法中不能包含无法执行的步骤。

算法性能分析：时间与空间复杂度

评价算法的优劣主要看其对时间和空间资源的占用，即时间复杂度和空间复杂度。它们不依赖具体硬件环境，而是通过数学模型描述算法的效率。

阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 8.9k 阅读时长 ≈ 8 分钟

Kafka 核心 API 详解与实践：主题管理

Kafka 提供了四类核心 API 用于消息生产、消费、流处理和外部系统集成。其中，通过 kafka-clients 库的 AdminClient API 可实现对 Kafka 主题（Topic）的全生命周期管理，包括创建、查询、修改、删除及分区调整等操作。本文将详细介绍这些操作的实现方式，并提供完整代码示例。

Kafka 核心 API 概述

Kafka 的四类核心 API 分别面向不同场景：

API 类型 作用描述
Producer API 用于生产者发送消息到 Kafka 集群，支持自定义分区策略、消息压缩等特性。
Consumer API 用于消费者从 Kafka 集群拉取消息，支持消费组管理、偏移量控制等功能。
Streams API 用于构建流处理应用，实现对实时数据流的转换、聚合等操作。
Connect API 用于连接 Kafka 与外部系统（如数据库、文件系统），实现数据导入 / 导出。

本文重点介绍基于 AdminClient 的主题管理操作，需引入以下依赖：

1
2
3
4
5
6
7
<dependencies>
    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>2.3.1</version> <!-- 版本可根据实际需求调整 -->
    </dependency>
</dependencies>

主题管理实践

初始化 AdminClient

所有主题操作均需通过 AdminClient 完成，其初始化需要指定 Kafka 集群的 bootstrap 服务器地址：

阅读全文 »