ਕੁਝ ਦਿਨ ਪਹਿਲਾਂ ਹੋਇਆ ਹਾਈਡਰਾ ਕਾਨਫਰੰਸ. JUG.ru ਸਮੂਹ ਦੇ ਮੁੰਡਿਆਂ ਨੇ ਡਰੀਮ ਸਪੀਕਰ (ਲੇਸਲੀ ਲੈਮਪੋਰਟ! ਕਲਿਫ ਕਲਿੱਕ! ਮਾਰਟਿਨ ਕਲੈਪਮੈਨ!) ਨੂੰ ਸੱਦਾ ਦਿੱਤਾ ਅਤੇ ਵੰਡੇ ਗਏ ਸਿਸਟਮਾਂ ਅਤੇ ਕੰਪਿਊਟਿੰਗ ਲਈ ਦੋ ਦਿਨ ਸਮਰਪਿਤ ਕੀਤੇ। ਕੋਂਟੂਰ ਕਾਨਫਰੰਸ ਦੇ ਤਿੰਨ ਸਾਥੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਸੀ। ਅਸੀਂ ਬੂਥ 'ਤੇ ਗੱਲ ਕੀਤੀ, ਸਾਡੇ ਵੰਡੇ ਸਟੋਰੇਜ ਬਾਰੇ ਗੱਲ ਕੀਤੀ, ਬਿੰਗੋ ਖੇਡਿਆ, ਅਤੇ ਪਹੇਲੀਆਂ ਨੂੰ ਹੱਲ ਕੀਤਾ।

ਇਹ ਉਹਨਾਂ ਦੇ ਪਾਠ ਦੇ ਲੇਖਕ ਤੋਂ ਕੋਨਟੂਰ ਸਟੈਂਡ 'ਤੇ ਕਾਰਜਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਇੱਕ ਪੋਸਟ ਹੈ। ਹਾਈਡਰਾ 'ਤੇ ਕੌਣ ਸੀ - ਇਹ ਤੁਹਾਡੇ ਸੁਹਾਵਣੇ ਅਨੁਭਵ ਨੂੰ ਯਾਦ ਕਰਨ ਦਾ ਕਾਰਨ ਹੈ, ਕੌਣ ਨਹੀਂ ਸੀ - ਤੁਹਾਡੇ ਦਿਮਾਗ ਨੂੰ ਖਿੱਚਣ ਦਾ ਮੌਕਾ ਵੱਡੇ ਓ- ਨੋਟੇਸ਼ਨ।

ਅਜਿਹੇ ਭਾਗੀਦਾਰ ਵੀ ਸਨ ਜਿਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਫੈਸਲੇ ਨੂੰ ਲਿਖਣ ਲਈ ਫਲਿੱਪਕਾਰਟ ਨੂੰ ਸਲਾਈਡਾਂ ਵਿੱਚ ਤੋੜ ਦਿੱਤਾ। ਮੈਂ ਮਜ਼ਾਕ ਨਹੀਂ ਕਰ ਰਿਹਾ - ਉਹਨਾਂ ਨੇ ਤਸਦੀਕ ਲਈ ਕਾਗਜ਼ ਦਾ ਇਹ ਸਟੈਕ ਸੌਂਪਿਆ:

ਕੁੱਲ ਤਿੰਨ ਕੰਮ ਸਨ:

• о выборе реплик по весам для балансировки нагрузки
• ਇੱਕ ਇਨ-ਮੈਮੋਰੀ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ ਪੁੱਛਗਿੱਛ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਛਾਂਟਣ ਬਾਰੇ
• ਇੱਕ ਰਿੰਗ ਟੋਪੋਲੋਜੀ ਦੇ ਨਾਲ ਇੱਕ ਵਿਤਰਿਤ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਰਾਜ ਟ੍ਰਾਂਸਫਰ 'ਤੇ

ਟਾਸਕ 1. ਕਲੱਸਟਰ ਕਲਾਇੰਟ

ਇੱਕ ਵੰਡੇ ਸਿਸਟਮ ਦੇ N ਭਾਰ ਵਾਲੇ ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਤੋਂ K ਦੀ ਕੁਸ਼ਲ ਚੋਣ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ:

ਤੁਹਾਡੀ ਟੀਮ ਨੂੰ N ਨੋਡਾਂ ਦੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵੰਡੇ ਗਏ ਕਲੱਸਟਰ ਲਈ ਕਲਾਇੰਟ ਲਾਇਬ੍ਰੇਰੀ ਵਿਕਸਿਤ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ। ਲਾਇਬ੍ਰੇਰੀ ਨੋਡਸ (ਜਿਵੇਂ ਕਿ ਉਹਨਾਂ ਦੀ ਲੇਟੈਂਸੀ, 4xx/5xx ਜਵਾਬ ਦਰਾਂ, ਆਦਿ) ਨਾਲ ਜੁੜੇ ਵੱਖ-ਵੱਖ ਮੈਟਾਡੇਟਾ ਦਾ ਧਿਆਨ ਰੱਖੇਗੀ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਫਲੋਟਿੰਗ ਪੁਆਇੰਟ ਵੇਟ W1..WN ਨਿਰਧਾਰਤ ਕਰੇਗੀ। ਸਮਕਾਲੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਰਣਨੀਤੀ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ, ਲਾਇਬ੍ਰੇਰੀ ਨੂੰ ਬੇਤਰਤੀਬੇ N ਨੋਡਾਂ ਦੇ K ਨੂੰ ਚੁਣਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ - ਚੁਣੇ ਜਾਣ ਦਾ ਮੌਕਾ ਨੋਡ ਦੇ ਭਾਰ ਦੇ ਅਨੁਪਾਤੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਨੋਡਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਚੁਣਨ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ। ਵੱਡੇ O ਨੋਟੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸਦੀ ਗਣਨਾਤਮਕ ਗੁੰਝਲਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ।

ਸਭ ਕੁਝ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਕਿਉਂ ਹੈ?

ਕਿਉਂਕਿ ਇਸ ਰੂਪ ਵਿੱਚ ਕਾਨਫਰੰਸ ਦੇ ਭਾਗੀਦਾਰ ਉਨ੍ਹਾਂ ਨਾਲ ਲੜਦੇ ਸਨ ਅਤੇ ਕਿਉਂਕਿ ਅੰਗਰੇਜ਼ੀ ਹਾਈਡਰਾ ਦੀ ਸਰਕਾਰੀ ਭਾਸ਼ਾ ਸੀ। ਕੰਮ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦੇ ਸਨ:

ਕਾਗਜ਼ ਅਤੇ ਪੈਨਸਿਲ ਲਓ, ਸੋਚੋ, ਤੁਰੰਤ ਵਿਗਾੜਨ ਨੂੰ ਖੋਲ੍ਹਣ ਲਈ ਕਾਹਲੀ ਨਾ ਕਰੋ 🙂

ਹੱਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਵੀਡੀਓ)

5:53 'ਤੇ ਸ਼ੁਰੂ, ਸਿਰਫ਼ 4 ਮਿੰਟ:

ਅਤੇ ਇਹ ਹੈ ਕਿ ਕਿਵੇਂ ਫਲਿੱਪਚਾਰਟ ਵਾਲੇ ਮੁੰਡਿਆਂ ਨੇ ਆਪਣਾ ਹੱਲ ਪੇਸ਼ ਕੀਤਾ:

ਹੱਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਟੈਕਸਟ)

ਹੇਠਾਂ ਦਿੱਤਾ ਹੱਲ ਸਤ੍ਹਾ 'ਤੇ ਪਿਆ ਹੈ: ਸਾਰੀਆਂ ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਦੇ ਵਜ਼ਨਾਂ ਦਾ ਜੋੜ, 0 ਤੋਂ ਸਾਰੇ ਵਜ਼ਨਾਂ ਦੇ ਜੋੜ ਤੱਕ ਇੱਕ ਬੇਤਰਤੀਬ ਸੰਖਿਆ ਤਿਆਰ ਕਰੋ, ਫਿਰ ਇੱਕ ਆਈ-ਰਿਪਲੀਕਾ ਚੁਣੋ ਜਿਵੇਂ ਕਿ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੇ ਵਜ਼ਨ ਦਾ ਜੋੜ 0 ਤੋਂ (i-1)ਵੇਂ ਤੱਕ ਹੋਵੇ। ਇੱਕ ਬੇਤਰਤੀਬ ਸੰਖਿਆ ਤੋਂ ਘੱਟ ਹੈ, ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦਾ ਜੋੜ 0 ਤੋਂ i-th ਤੱਕ - ਇਸ ਤੋਂ ਵੱਧ ਹੈ। ਇਸ ਲਈ ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਨੂੰ ਚੁਣਨਾ ਸੰਭਵ ਹੋਵੇਗਾ, ਅਤੇ ਅਗਲੀ ਨੂੰ ਚੁਣਨ ਲਈ, ਤੁਹਾਨੂੰ ਚੁਣੀ ਗਈ ਪ੍ਰਤੀਕ੍ਰਿਤੀ 'ਤੇ ਵਿਚਾਰ ਕੀਤੇ ਬਿਨਾਂ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦੁਹਰਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਅਜਿਹੇ ਐਲਗੋਰਿਦਮ ਦੇ ਨਾਲ, ਇੱਕ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਨੂੰ ਚੁਣਨ ਦੀ ਗੁੰਝਲਤਾ O(N) ਹੈ, K ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਨੂੰ ਚੁਣਨ ਦੀ ਗੁੰਝਲਤਾ O(N K) ~ O(N2) ਹੈ।

ਚਤੁਰਭੁਜ ਜਟਿਲਤਾ ਮਾੜੀ ਹੈ, ਪਰ ਇਸਨੂੰ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਬਣਾਵਾਂਗੇ ਖੰਡ ਦਾ ਰੁੱਖ ਵਜ਼ਨ ਦੀ ਰਕਮ ਲਈ. ਡੂੰਘਾਈ lg N ਦਾ ਇੱਕ ਰੁੱਖ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਵੇਗਾ, ਜਿਸ ਦੇ ਪੱਤਿਆਂ ਵਿੱਚ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਵਜ਼ਨ ਹੋਣਗੇ, ਅਤੇ ਬਾਕੀ ਨੋਡਾਂ ਵਿੱਚ - ਅੰਸ਼ਕ ਜੋੜ, ਰੁੱਖ ਦੀ ਜੜ੍ਹ 'ਤੇ ਸਾਰੇ ਵਜ਼ਨ ਦੇ ਜੋੜ ਤੱਕ। ਅੱਗੇ, ਅਸੀਂ 0 ਤੋਂ ਸਾਰੇ ਵਜ਼ਨਾਂ ਦੇ ਜੋੜ ਤੱਕ ਇੱਕ ਬੇਤਰਤੀਬ ਸੰਖਿਆ ਤਿਆਰ ਕਰਦੇ ਹਾਂ, i-th ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਲੱਭਦੇ ਹਾਂ, ਇਸਨੂੰ ਰੁੱਖ ਤੋਂ ਹਟਾਉਂਦੇ ਹਾਂ, ਅਤੇ ਬਾਕੀ ਦੀਆਂ ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਨੂੰ ਲੱਭਣ ਲਈ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦੁਹਰਾਉਗੇ। ਇਸ ਐਲਗੋਰਿਦਮ ਦੇ ਨਾਲ, ਇੱਕ ਰੁੱਖ ਨੂੰ ਬਣਾਉਣ ਦੀ ਗੁੰਝਲਤਾ O(N), i-th ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਨੂੰ ਲੱਭਣ ਅਤੇ ਇਸਨੂੰ ਰੁੱਖ ਤੋਂ ਹਟਾਉਣ ਦੀ ਗੁੰਝਲਤਾ O(lg N) ਹੈ, K ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਨੂੰ ਚੁਣਨ ਦੀ ਗੁੰਝਲਤਾ O(N + K) ਹੈ। lg N) ~ O(N lg N) .

ਰੇਖਿਕ-ਲਾਗ ਜਟਿਲਤਾ ਚਤੁਰਭੁਜ ਜਟਿਲਤਾ ਨਾਲੋਂ ਵਧੀਆ ਹੈ, ਖਾਸ ਕਰਕੇ ਵੱਡੇ K ਲਈ।

ਇਹ ਇਹ ਐਲਗੋਰਿਦਮ ਹੈ ਕੋਡ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ ਪ੍ਰੋਜੈਕਟ ਤੋਂ ਕਲੱਸਟਰ ਕਲਾਇੰਟ ਲਾਇਬ੍ਰੇਰੀਆਂ "ਪੂਰਬ". (ਉੱਥੇ, ਰੁੱਖ ਨੂੰ O(N lg N) ਵਿੱਚ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਪਰ ਇਹ ਐਲਗੋਰਿਦਮ ਦੀ ਅੰਤਮ ਜਟਿਲਤਾ ਨੂੰ ਪ੍ਰਭਾਵਤ ਨਹੀਂ ਕਰਦਾ ਹੈ।)

ਟਾਸਕ 2. ਜ਼ੈਬਰਾ

ਇੱਕ ਆਰਬਿਟਰੇਰੀ ਗੈਰ-ਇੰਡੈਕਸਡ ਫੀਲਡ ਦੁਆਰਾ ਮੈਮੋਰੀ ਵਿੱਚ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਕੁਸ਼ਲ ਛਾਂਟੀ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ:

ਤੁਹਾਡੀ ਟੀਮ ਨੂੰ ਇੱਕ ਸ਼ਾਰਡ ਇਨ-ਮੈਮੋਰੀ ਦਸਤਾਵੇਜ਼ ਡੇਟਾਬੇਸ ਵਿਕਸਿਤ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ। ਇੱਕ ਆਮ ਕੰਮ ਦਾ ਬੋਝ M (ਆਮ ਤੌਰ 'ਤੇ N <100 << M) ਆਕਾਰ ਦੇ ਸੰਗ੍ਰਹਿ ਤੋਂ ਇੱਕ ਆਰਬਿਟਰਰੀ (ਗੈਰ-ਇੰਡੈਕਸਡ) ਸੰਖਿਆਤਮਕ ਖੇਤਰ ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਚੋਟੀ ਦੇ N ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਚੁਣਨਾ ਹੋਵੇਗਾ। ਇੱਕ ਥੋੜ੍ਹਾ ਘੱਟ ਆਮ ਵਰਕਲੋਡ ਚੋਟੀ ਦੇ S ਦਸਤਾਵੇਜ਼ਾਂ (S ~ N) ਨੂੰ ਛੱਡਣ ਤੋਂ ਬਾਅਦ ਚੋਟੀ ਦੇ N ਨੂੰ ਚੁਣਨਾ ਹੋਵੇਗਾ।

ਅਜਿਹੇ ਸਵਾਲਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਚਲਾਉਣ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ। ਔਸਤ ਕੇਸ ਅਤੇ ਸਭ ਤੋਂ ਮਾੜੇ ਹਾਲਾਤਾਂ ਵਿੱਚ ਵੱਡੇ O ਨੋਟੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸਦੀ ਗਣਨਾਤਮਕ ਗੁੰਝਲਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ।

ਹੱਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਵੀਡੀਓ)

34:50 ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ, ਸਿਰਫ਼ 6 ਮਿੰਟ:

ਹੱਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਟੈਕਸਟ)

ਸਰਫੇਸ ਹੱਲ: ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ ਨਾਲ ਕੁਇੱਕੋਰਟ), ਫਿਰ N+S ਦਸਤਾਵੇਜ਼ ਲਓ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਛਾਂਟੀ ਦੀ ਗੁੰਝਲਤਾ ਔਸਤਨ O(M lg M), ਸਭ ਤੋਂ ਖਰਾਬ O(M2) 'ਤੇ ਹੈ।

ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਸਾਰੇ ਐਮ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਛਾਂਟਣਾ ਅਤੇ ਫਿਰ ਉਹਨਾਂ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਹਿੱਸਾ ਲੈਣਾ ਅਯੋਗ ਹੈ। ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਨਾ ਕਰਨ ਲਈ, ਇੱਕ ਐਲਗੋਰਿਦਮ ਢੁਕਵਾਂ ਹੈ ਜਲਦੀ ਚੁਣੋ, ਜੋ ਲੋੜੀਂਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ N + S ਦੀ ਚੋਣ ਕਰੇਗਾ (ਉਹ ਕਿਸੇ ਵੀ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ)। ਇਸ ਕੇਸ ਵਿੱਚ, ਔਸਤਨ ਔਸਤਨ ਔਸਤਨ ਔਸਤਨ ਔਸਤਨ ਔਸਤਨ (M) ਤੱਕ ਘਟ ਜਾਵੇਗਾ, ਜਦੋਂ ਕਿ ਸਭ ਤੋਂ ਮਾੜਾ ਕੇਸ ਉਹੀ ਰਹੇਗਾ।

ਹਾਲਾਂਕਿ, ਤੁਸੀਂ ਇਸਨੂੰ ਹੋਰ ਵੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕਰ ਸਕਦੇ ਹੋ - ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰੋ ਬਾਈਨਰੀ ਹੀਪ ਸਟ੍ਰੀਮਿੰਗ. ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਪਹਿਲੇ N+S ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਜਾਂ ਅਧਿਕਤਮ-ਹੀਪ (ਛਾਂਟਣ ਦੀ ਦਿਸ਼ਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ) ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਹਰੇਕ ਅਗਲੇ ਦਸਤਾਵੇਜ਼ ਦੀ ਤੁਲਨਾ ਰੁੱਖ ਦੇ ਮੂਲ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਮੌਜੂਦਾ ਘੱਟੋ-ਘੱਟ ਜਾਂ ਅਧਿਕਤਮ ਦਸਤਾਵੇਜ਼ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਰੁੱਖ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ. . ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਸਭ ਤੋਂ ਮਾੜੇ ਕੇਸ ਵਿੱਚ, ਜਦੋਂ ਤੁਹਾਨੂੰ ਲਗਾਤਾਰ ਰੁੱਖ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣਾ ਪੈਂਦਾ ਹੈ, O(M lg M) ਹੈ, ਔਸਤਨ ਔਸਤਨ ਗੁੰਝਲਤਾ O(M) ਹੈ, ਜਿਵੇਂ ਕਿ ਕੁਇੱਕਸਿਲੈਕਟ ਨਾਲ।

ਹਾਲਾਂਕਿ, ਹੀਪ ਸਟ੍ਰੀਮਿੰਗ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਵਧੇਰੇ ਕੁਸ਼ਲ ਸਾਬਤ ਹੁੰਦੀ ਹੈ ਕਿ ਅਭਿਆਸ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਇਸਦੇ ਮੂਲ ਤੱਤ ਦੇ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਤੁਲਨਾ ਤੋਂ ਬਾਅਦ ਹੀਪ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਏ ਬਿਨਾਂ ਰੱਦ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਅਜਿਹੀ ਛਾਂਟੀ ਨੂੰ ਕੋਨਟੂਰ ਵਿੱਚ ਵਿਕਸਤ ਅਤੇ ਵਰਤੇ ਗਏ ਜ਼ੈਬਰਾ ਇਨ-ਮੈਮੋਰੀ ਦਸਤਾਵੇਜ਼ ਡੇਟਾਬੇਸ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ।

ਟਾਸਕ 3. ਸਟੇਟ ਸਵੈਪ

ਰਾਜਾਂ ਨੂੰ ਬਦਲਣ ਲਈ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਐਲਗੋਰਿਦਮ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ:

ਤੁਹਾਡੀ ਟੀਮ ਨੂੰ N ਨੋਡਾਂ ਦੇ ਵੰਡੇ ਕਲੱਸਟਰ ਲਈ ਇੱਕ ਫੈਂਸੀ ਸਟੇਟ ਐਕਸਚੇਂਜ ਵਿਧੀ ਵਿਕਸਿਤ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ। i-th ਨੋਡ ਦੀ ਸਥਿਤੀ ਨੂੰ (i+1)-ਵੇਂ ਨੋਡ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, N-ਵੇਂ ਨੋਡ ਦੀ ਸਥਿਤੀ ਨੂੰ ਪਹਿਲੇ ਨੋਡ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਿਰਫ ਸਮਰਥਿਤ ਓਪਰੇਸ਼ਨ ਸਟੇਟ ਸਵੈਪ ਹੈ ਜਦੋਂ ਦੋ ਨੋਡ ਆਪਣੇ ਰਾਜਾਂ ਨੂੰ ਪ੍ਰਮਾਣੂ ਰੂਪ ਵਿੱਚ ਬਦਲਦੇ ਹਨ। ਇਹ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਇੱਕ ਸਟੇਟ ਸਵੈਪ ਵਿੱਚ M ਮਿਲੀਸਕਿੰਟ ਲੱਗਦੇ ਹਨ। ਹਰ ਨੋਡ ਕਿਸੇ ਵੀ ਸਮੇਂ ਇੱਕ ਸਿੰਗਲ ਸਟੇਟ ਸਵੈਪ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਦੇ ਯੋਗ ਹੁੰਦਾ ਹੈ।

ਇੱਕ ਕਲੱਸਟਰ ਵਿੱਚ ਸਾਰੇ ਨੋਡਾਂ ਦੀਆਂ ਅਵਸਥਾਵਾਂ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਵਿੱਚ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ?

ਹੱਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਟੈਕਸਟ)

ਸਤਹ ਹੱਲ: ਪਹਿਲੇ ਅਤੇ ਦੂਜੇ ਤੱਤ, ਫਿਰ ਪਹਿਲੇ ਅਤੇ ਤੀਜੇ, ਫਿਰ ਪਹਿਲੇ ਅਤੇ ਚੌਥੇ, ਆਦਿ ਦੀਆਂ ਅਵਸਥਾਵਾਂ ਦਾ ਵਟਾਂਦਰਾ ਕਰੋ। ਹਰੇਕ ਐਕਸਚੇਂਜ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਤੱਤ ਦੀ ਸਥਿਤੀ ਲੋੜੀਂਦੀ ਸਥਿਤੀ ਵਿੱਚ ਹੋਵੇਗੀ। ਤੁਹਾਨੂੰ O(N) ਕ੍ਰਮਵਾਰ ਬਣਾਉਣਾ ਪਵੇਗਾ ਅਤੇ O(N M) ਸਮਾਂ ਬਿਤਾਉਣਾ ਪਵੇਗਾ।

ਰੇਖਿਕ ਸਮਾਂ ਲੰਬਾ ਹੁੰਦਾ ਹੈ, ਇਸਲਈ ਤੁਸੀਂ ਤੱਤਾਂ ਦੀਆਂ ਅਵਸਥਾਵਾਂ ਨੂੰ ਜੋੜਿਆਂ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹੋ: ਪਹਿਲੀ ਦੂਜੀ ਨਾਲ, ਤੀਜੀ ਚੌਥੀ ਨਾਲ, ਅਤੇ ਹੋਰ। ਹਰੇਕ ਸਟੇਟ ਐਕਸਚੇਂਜ ਤੋਂ ਬਾਅਦ, ਹਰ ਦੂਜਾ ਤੱਤ ਸਹੀ ਸਥਿਤੀ ਵਿੱਚ ਹੋਵੇਗਾ। ਤੁਹਾਨੂੰ O(lg N) ਕ੍ਰਮਵਾਰ ਬਣਾਉਣਾ ਪਵੇਗਾ ਅਤੇ O(M lg N) ਸਮਾਂ ਬਿਤਾਉਣਾ ਪਵੇਗਾ।

ਹਾਲਾਂਕਿ, ਸ਼ਿਫਟ ਨੂੰ ਹੋਰ ਵੀ ਕੁਸ਼ਲ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ - ਰੇਖਿਕ ਵਿੱਚ ਨਹੀਂ, ਪਰ ਨਿਰੰਤਰ ਸਮੇਂ ਵਿੱਚ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਪਹਿਲੇ ਪੜਾਅ 'ਤੇ, ਤੁਹਾਨੂੰ ਪਹਿਲੇ ਤੱਤ ਦੀ ਸਥਿਤੀ ਨੂੰ ਆਖਰੀ ਦੇ ਨਾਲ, ਦੂਜੇ ਨੂੰ ਅੰਤਮ ਤੱਤ ਦੇ ਨਾਲ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੋਰ. ਆਖਰੀ ਤੱਤ ਦੀ ਸਥਿਤੀ ਸਹੀ ਸਥਿਤੀ ਵਿੱਚ ਹੋਵੇਗੀ। ਅਤੇ ਹੁਣ ਸਾਨੂੰ ਦੂਜੇ ਐਲੀਮੈਂਟ ਦੀ ਅਵਸਥਾ ਨੂੰ ਆਖਰੀ ਦੇ ਨਾਲ, ਤੀਜੇ ਨੂੰ ਅੰਤਮ ਤੱਤ ਨਾਲ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਹੀ। ਐਕਸਚੇਂਜ ਦੇ ਇਸ ਦੌਰ ਤੋਂ ਬਾਅਦ, ਸਾਰੇ ਤੱਤਾਂ ਦੀਆਂ ਸਥਿਤੀਆਂ ਸਹੀ ਸਥਿਤੀ ਵਿੱਚ ਹੋਣਗੀਆਂ। ਕੁੱਲ ਮਿਲਾ ਕੇ O(2M) ~ O(1) ਕ੍ਰਮਵਾਰ ਹੋਣਗੇ।

ਅਜਿਹਾ ਹੱਲ ਇੱਕ ਗਣਿਤ-ਸ਼ਾਸਤਰੀ ਨੂੰ ਬਿਲਕੁਲ ਵੀ ਹੈਰਾਨ ਨਹੀਂ ਕਰੇਗਾ ਜੋ ਅਜੇ ਵੀ ਯਾਦ ਰੱਖਦਾ ਹੈ ਕਿ ਇੱਕ ਰੋਟੇਸ਼ਨ ਦੋ ਧੁਰੀ ਸਮਰੂਪਤਾਵਾਂ ਦੀ ਇੱਕ ਰਚਨਾ ਹੈ। ਤਰੀਕੇ ਨਾਲ, ਇਹ ਇੱਕ ਸ਼ਿਫਟ ਲਈ ਨਹੀਂ, ਬਲਕਿ K < N ਪੋਜੀਸ਼ਨਾਂ ਦੁਆਰਾ ਮਾਮੂਲੀ ਤੌਰ 'ਤੇ ਸਧਾਰਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। (ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਲਿਖੋ ਕਿ ਕਿਵੇਂ ਸਹੀ ਹੈ।)

ਕੀ ਤੁਹਾਨੂੰ ਪਹੇਲੀਆਂ ਪਸੰਦ ਸਨ? ਕੀ ਤੁਸੀਂ ਹੋਰ ਹੱਲ ਜਾਣਦੇ ਹੋ? ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਸਾਂਝਾ ਕਰੋ.

ਅਤੇ ਅੰਤ ਵਿੱਚ ਇੱਥੇ ਕੁਝ ਉਪਯੋਗੀ ਲਿੰਕ ਹਨ:

• ਬਾਰੇ ਹੋਰ ਜਾਣੋ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਵਿਕਾਸ ਸਮਰੂਪ ਵਿੱਚ
• ਅੰਦਰੂਨੀ ਰਿਕਾਰਡ ਵੇਖੋ ਰਿਪੋਰਟਾਂ ਦੇ ਨਾਲ ਫਲਾਇਰ ਵੰਡੇ ਸਿਸਟਮ ਬਾਰੇ
• ਵੀਡੀਓ ਲੈਕਚਰਾਂ ਦੀ ਲੜੀ ਦੇਖੋਆਮ ਲੋਕਾਂ ਲਈ ਅਸਾਧਾਰਨ ਐਲਗੋਰਿਦਮ»
• ਸਾਡੇ ਲਈ ਗਾਹਕ ਬਣੋ ਟੈਲੀਗ੍ਰਾਮ ਵਿੱਚ ਚੈਨਲ

ਸਰੋਤ: www.habr.com