ARTS-Week2 整数反转、ElasticSearch term query、Linux命令、volatile关键字

Algorithm


题目:

给出一个 32 位的有符号整数,你需要将这个整数中每位上的数字进行反转。

示例 1:

输入:123输出:321

 示例 2:

输入:-123输出:-321

示例 3:

输入:120输出:21

注意:

假设我们的环境只能存储得下 32 位的有符号整数,则其数值范围为 [−231,  231 − 1]。请根据这个假设,如果反转后整数溢出那么就返回 0。

我的解法:

class Solution {

    public int reverse(int x) {

        String numStr = (x + "").replace("-","");;

        String[] nums = numStr.split("");

        numStr = "";

        for (int i = nums.length-1; i >= 0 ; i--) {

            numStr += nums[i];

        }


        long longNum = Long.valueOf(numStr);

        if(x<0){

            longNum = longNum * (-1);

        }

        if(longNum > Integer.MAX_VALUE || longNum < Integer.MIN_VALUE){

            return 0;

        }else {

            return  (int)longNum;

        }

    }

}

推荐解法:

class Solution {

    public int reverse(int x) {

        int rev = 0;

        while (x != 0) {

            int pop = x % 10;

            x /= 10;

            if (rev > Integer.MAX_VALUE/10 || (rev == Integer.MAX_VALUE / 10 && pop > 7)) return 0;

            if (rev < Integer.MIN_VALUE/10 || (rev == Integer.MIN_VALUE / 10 && pop < -8)) return 0;

            rev = rev * 10 + pop;

        }

        return rev;

    }

}

Review


ElasticSearch term query

ElasticSearch,全文搜索引擎,介绍了其中的TermQuery。

1.termQuery的作用:精确查询;简单理解为完全匹配,全词匹配。

2.boost参数可以为TermQuery中查询的关键词设置不同的权重,使其相关性评分更高。

3.TermQuery也支持对Range datatypes(范围型数据)查询,如数字、日期。

4.如果想要全文搜索时用MatchQuery。简单记就是:查询时是否分词,如“中国人民”,不分词它就是“中国人民”一个词,分词以后就是“中国”、“人民”两个词去匹配。

5.关于分词:

    5.1  创建或更新文档时,对文档进行分词处理

    5.2  查询时,会对查询语句进行分词 

    (以上分词通过通过index mapping设置search_analyzer实现 ,通常情况下使用搜索引擎都会分词,比较常用的分词器是ik分词器,es自己也有内置的分词器)

6.正排索引:文档id到单词的关联关系    倒排索引:单词到文档id的关联关系)

Tip


linux常用的几个命令:

1.将A服务器上的文件复制到B服务器,该命令在B服务器执行,IP为A服务器IP

scp 99.99.99.99:/home/aaa/xxxxx.zip /home/aaa/

2. 查看端口占用

netstat -anp |grep 3306

netstat -ano|grep "3306" | wc -l 端口占用线程数

3.查看物理内存占用

sudo du -ah --max-depth=1

Share


这篇文章用简单易懂的语言讲述了内存模型的基本概念以及 volatile关键字的作用,如何使用,应用场景。

文章稍长,建议挑个空闲时间,仔细看看。

Java并发编程:volatile关键字解析

https://www.cnblogs.com/dolphin0520/p/3920373.html?tdsourcetag=s_pctim_aiomsg

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容