前言每当放完小长假，我都会习惯性的反思和复盘一下自己的技术，尤其是端午节。为什么我会写二叉树的文章呢？其实这涉及到程序员的一个成长性的问题。对于03年的前端程序员来说，可能很少有机会涉及到数据结构和算法的工作中，除非去大厂或者做架构相关的工作。但是很多工作23年的前端工程师，业务工作已经相对熟悉了，各种技术或多或少也都使用过，那么在这个阶段，对于每个有

正文我们今天将说明以下14种模式：1．滑动窗口2．二指针或迭代器3．快速和慢速指针或迭代器4．合并区间5．循环排序6．原地反转链表7．树的宽度优先搜索（TreeBFS）8．树的深度优先搜索（TreeDFS）9．TwoHeaps10．子集11．经过修改的二叉搜索12．前K个元素13．K路合并14．拓扑排序我们开始吧！1．滑动窗口滑动窗口模式

1、BTree索引!(https://oscimg.oschina.net/oscnet/upd956cc992de6df62c8502441583bb210ea4.png)1、BTree首先是有序结构，为了不至于树的高度太高，影响查找效率，在叶子节点上存储的不是单个数据，提高了查找效率；为了更好的支持

Map是STL的一个关联容器，它提供一对一（其中第一个可以称为关键字，每个关键字只能在map中出现一次，第二个可能称为该关键字的值）的数据处理能力，由于这个特性，它完成有可能在我们处理一对一数据的时候，在编程上提供快速通道。这里说下map内部数据的组织，map内部自建一颗红黑树(一种非严格意义上的平衡二叉树)，这颗树具有对数据自动排序的功能，所以在map内部

1.B树简介B树是一种多路平衡搜索树。它由二叉树变换而来的。定义如下：1.1每个节点最多有m1个关键字1.2根节点最少有1个关键字1.3非根节点至少有m/2个关键字1.4每个节点的关键字都是按照从小到大的顺序排列，每个关键字的左子树中的关键字都小于它，而右子树中所有关键字都大于它。1.5所有的叶子节点都处于同

InnoDB存储引擎索引：B树索引：不能找到一个给定键值的具体行，能找到的只是被查找数据行所在的页。然后把页加载到内存，在查询所要的数据。全文索引：哈希索引：InnoDB会根据表的使用情况自动为表生成哈希索引，不能人为的干预是否在一张表中生成哈希索引B树索引在数据库中的高度一般是2~4层，所以查询最多需要2到4次IO。B树索引分为聚

Java实现二叉树的前序、中序、后序、层序遍历（非递归方法）(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.cnblogs.com%2Fliuyang0%2Fp%2F6271331.html)

https://www.cnblogs.com/shichampion/p/12262678.html题目描述给定一个二叉树，找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。说明: 叶子节点是指没有子节点的节点。示例输入：3,9,20,null,null,15,7

一、二叉堆含义及属性:堆（heap)亦被称为：优先队列（priorityqueue），是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵完全二叉树的数组对象。在队列中，调度程序反复提取队列中第一个作业并运行，因而实际情况中某些时间较短的任务将等待很长时间才能结束，或者某些不短小，但具有重要性的作业，同样应当具有优先权。堆即为解

!(https://oscimg.oschina.net/oscnet/14bf276948e54283aff2632b9c5899e4.png)本文由图雀社区认证作者 神奇的程序员 写作而成，图雀社区将连载其TypeScript实战算法系列，点击阅读原文查看作者的掘金链接，感谢作者的优质输出，让我们的技术世界变得更加美