本章先讲解优先级队列和二叉堆的结构。下一篇代码实现从一个需求开始假设有这样一个需求：在一个子线程中，不停的从一个队列中取出一个任务，执行这个任务,直到这个任务处理完毕，再取出下一个任务，再执行。其实和Android的Handler机制中的Looper不停的从MessageQueue中取出一个消息然后处理是一样的。不过这个需

前言这次咱们来玩一个在Python中很牛叉的爬虫框架——Scrapy。scrapy介绍标准介绍Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架，非常出名，非常强悍。所谓的框架就是一个已经被集成了各种功能（高性能异步下载，队列，分布式，解析，持久化等）的具有很强通用性的项目模板。对于框架的学习，重点是要学习其框架的特性、各个功能的

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

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

在上一章节《Google的伟大征程之一：如何攀登移动互联网这座高山》中，我们看到了Google曾经的辉煌，如今隐隐显现的危机，以及自身不断做出的努力。在这一章节，我们将详细介绍它其中的一款具有战略性意义的产品：知识图谱。三叉戟Google在大的方向推出了三个实质性的科技突破，正是这三者，将继续确保Goog

(IsolationForest无监督)这个算法是随机森林的推广。iTree树构造：随机选一个属性，再随机选该特征的一个值，对样本进行二叉划分，重复以上操作。iTree构建好了后，就可以对数据进行预测啦，预测的过程就是把测试记录在iTree上走一下，看测试记录落在哪个叶子节点。iTree能有效检测异常的假设是：异常点一般都是非常稀有的，在iTree中会

前面我们介绍了树这种数据结构，树是由n（n0）个有限节点通过连接它们的边组成一个具有层次关系的集合，把它叫做“树”是因为它看起来像一棵倒挂的树，包括二叉树、红黑树、234树、堆等各种不同的树，有对这几种树不了解的可以参考我前面几篇博客。而本篇博客我们将介绍另外一种数据结构——图，图也是计算机程序设计中最常用的数据结构之一，从数学意义上讲

前面我们讲解了数组，数组更多的是用来进行数据的存储，纯粹用来存储数据的数据结构，我们期望的是插入、删除和查找性能都比较好。对于无序数组，插入快，但是删除和查找都很慢，为了解决这些问题，后面我们会讲解比如二叉树、哈希表的数据结构。　　而本篇博客讲解的数据结构和算法更多是用作程序员的工具，它们作为构思算法的辅助工具，而不是完全的数据存储工具。这些数据结构的生

估分分数可怜，估计是分数线的四分之一分。。就当个体验吧，简写一下游记。周五晚上回家拿了身份证，周六早上八点多回去了机房。早上，把错题看了，复习二叉树和进制转换啥的。考场有点紧张，第一场NOIP，一直想着不能搞砸。结果就GG了。进制转换比大小这种傻逼题都错，我自裁罢。还有广告题也错……阅读程序写结果递归那个，考后luogu群有人说打