Origin of Ray

原理

滑动窗口算法的思路是这样：

1、我们在字符串 S 中使用双指针中的左右指针技巧，初始化 left = right = 0，把索引闭区间 [left, right] 称为一个「窗口」。

2、我们先不断地增加 right 指针扩大窗口 [left, right]，直到窗口中的字符串符合要求（包含了 T 中的所有字符）。

3、此时，我们停止增加 right，转而不断增加 left 指针缩小窗口 [left, right]，直到窗口中的字符串不再符合要求（不包含 T 中的所有字符了）。同时，每次增加 left，我们都要更新一轮结果。

4、重复第 2 和第 3 步，直到 right 到达字符串 S 的尽头。

广度优先搜索

通过一道题目地图分析，来讲解和实践BFS。

原理

考虑最朴素的方法，即求出每一个海洋区域（grid[i][j] == 0 的区域）的「最近陆地区域」，然后记录下它们的距离，然后在这些距离里面取一个最大值。

最近在做题的时候遇到了递归，隐约感觉与动规有点相似，但自已又说不清楚，于是找了很多文章，这里摘录一片最基础但也是最清楚的文章，原文链接是这个。

原理

动态规划问题的一般形式就是求最值。动态规划其实是运筹学的一种最优化方法，只不过在计算机问题上应用比较多，比如说让你求最长递增子序列呀，最小编辑距离呀等等。

既然是要求最值，核心问题是什么呢？求解动态规划的核心问题是穷举。因为要求最值，肯定要把所有可行的答案穷举出来，然后在其中找最值呗。

动态规划就这么简单，就是穷举就完事了？我看到的动态规划问题都很难啊！

首先，动态规划的穷举有点特别，因为这类问题存在「重叠子问题」，如果暴力穷举的话效率会极其低下，所以需要「备忘录」或者「DP table」来优化穷举过程，避免不必要的计算。

原理

最近在做题的时候遇到了好几次回溯算法，每次都是慢慢试出来的，所以就去找一下有没有什么抽象出来的思路可以参考，于是找了很多文章，这里摘录一片最基础但也是最清楚的文章，原文链接是这个。

解决一个回溯问题，实际上就是一个决策树的遍历过程。你只需要思考 3 个问题：

1、路径：也就是已经做出的选择。

2、选择列表：也就是你当前可以做的选择。

3、结束条件：也就是到达决策树底层，无法再做选择的条件。

有了IP地址以及路由表的设计之后，我们就要继续考虑如何去获取路由信息，也就是路由器之间如何去交换信息，如如何表达自己对其他路由器的可达性，获取路由信息之后，我们还要想办法构造路由表。

微服务简介

单片应用

应用程序的核心是业务逻辑，该业务逻辑由定义服务，域对象和事件的模块实现。围绕核心的是与外部世界接口的适配器。适配器的示例包括数据库访问组件，生成和使用消息的消息传递组件以及公开API或实现UI的Web组件。

尽管具有逻辑模块化的体系结构，但该应用程序却作为一个整体打包和部署。实际格式取决于应用程序的语言和框架。例如，许多Java应用程序打包为WAR文件，并部署在诸如Tomcat或Jetty之类的应用程序服务器上。其他Java应用程序打包为独立的可执行JAR。

成功的应用程序具有随着时间的流逝并最终变得庞大的习惯。在每次冲刺期间，开发团队都会实施更多Story，这当然意味着要添加许多行代码。几年后，小型，简单的应用程序将变得庞然大物。

IP地址

两级IP

最开始的IP地址是由两个部分组成，即网络号和主机号，不同的网络号指定了该ip所属的网段，，它标志着主机或者路由器所连接到的网络，每个网络号在整个互联网中是唯一的。主机号则标志着该主机或路由器，每个主机号在所属的网络号中是唯一的。所以每个IP在互联网中都是唯一的。

这种IP地址叫做两级IP：

IP地址 = { <网络号>, <主机号> }

Echarts是百度提供的一个用于在web端快速绘制图表的工具，它是通过js在canvas中进行图表的绘制，所以只要你的项目能够支持js，那就可以使用echarts。

Echarts有着丰富且详细的文档，可以让我们去定制自己喜欢的图表样式。但是这篇博客主要讲的是如何在vue项目中使用v-charts。

最近几天遇到了一个需求，就是在项目启动的时候，需要动态生成一些代码并将这些生成的代码进行引入，一开始我的做法是把生成的代码写入文件，再require这些文件，成功之后再将文件删除。做完之后才发现，这些文件其实没必要去创建，可不可以直接从内存中引入，这样就减少了两次的文件io，而且require其实也是将文件读入内存再进行解析，那么从内存中直接引入也是存在理论上的可能性的。

今天在工作中需要使用到mongodb的tansaction，于是查阅了各种资料，也踩了不少的坑，在这里总结一下。