数据结构第十一期——线段树的原理和应用

目录

一、前言

二、线段树的概念

1、区间最值问题RMQ (Range Minimum/Maximum Query)

（1）暴力法

（2）高效的办法：线段树

（3）把数列放在二叉树上

（4）查询最小值的复杂度

2、线段树的构造

3、线段树的树结构

三、例题应用

1、最大数（lanqiaoOJ题号826）

（1）初始建一棵空树 build(p, pl, pr)

（2）更新线段树 update()

（3）查询

2、选数异或（2022年省赛，lanqiaoOJ题号2081）

（1）暴力（40%）

（2）动态规划+字典（100%）

（3）线段树（100%）

一、前言

本文讲了线段树的概念和两道例题，建议自己要再多看几眼代码进行思考，第一遍其实我还没有理解透彻为什么要这么做，多看代码多思考。

二、线段树的概念

  • 考核最多的高级数据结构
  • 从初级水平到中级水平的标志：在掌握线段树之后才能说 “我真正进入了算法竞赛的大门。”
  • 应用背景：区间修改、区间查询、区间合并。

1、区间最值问题RMQ (Range Minimum/Maximum Query)

长度为 n 的数列 {a1, a2, ..., an}

（1）求最值：给定 i,j<=n，求 {ai, ...,aj} 区间内的最值。

（2）修改元素：给定 k 和 x，把 a 改成 x。

（1）暴力法

用普通数组存储数列：

查询最值：区间内的最值，复杂度 O(n)

修改元素：复杂度 O(1)

暴力法复杂度：如果有 m 次 “修改元素+查询最值”，总复杂度 O(mn)。

m,n>10^5，O(mn)>10^10

（2）高效的办法：线段树

  • 用线段树，对 n 个数进行 m 次 “修改元素+查询最值”，复杂度：O(mlogn)
  • 线段树：一种用于区间处理的数据结构。
  • 基于二叉树。

（3）把数列放在二叉树上

例：查询 {1, 2, 5, 8, 6, 4, 3} 的最小值

首先，把数放在二叉树上：

每个结点上的数字是这个结点的子树的最小值。

（4）查询最小值的复杂度

查询某个区间的最小值，只需要 O(logn) 次。

思考：如何在二叉树上定位某个区间?

2、线段树的构造

  • 线段树是建立在线段（或者区间）基础上的树，树的每个结点代表一条线段 (或者称为区间) [L, R]。
  • 例：线段 [1, 5] 的线段树。

线段 [L,R]：L是左子结点，R是右子结点。

（1）L = R。它是一个叶子结点。

（2）L < R。有两个儿子，左儿子代表区间 [L,M]，右儿子代表区间 [M+1,R]，其中 M = (L + R) / 2。

【线段树的复杂度】

  • 每步处理，从二叉树的根结点开始到最下一层，最多需要更新 log4n 个结点，复杂度 O(logn)；
  • 一共有 n 个数字需要处理，总复杂度 O(nlogn)。
  • 线段树把 n 个数按二叉树进行分组，每次更新有关的结点时，这个结点下面的所有子结点都隐含被更新了，从而大大地减少了处理次数。

【区间查询】

  • 区间查询问题 (最值、区间和) 是线段树的一个基本应用场景。
  • 以数列 {1, 4, 5, 8, 6, 2, 3, 9, 10, 7} 为例。
  • 首先建立一棵用完全二叉树实现的线段树，用于查询任意子区间的最小值。
  • 每个结点上圆圈内的数字是这棵子树的最小值。
  • 圆圈旁边的数字，例如根结点的 "1:[1,10]"，1 表示结点的编号，[1,10] 是这个结点代表的元素范围，即第 1 到第 10 个元素。

【查询任意区间 [i, j] 的最小值】

  • 例：查区间 [4, 9] 的最小值
  • 递归查询到区间 [4, 5]、[6, 8]、[9, 9]，见图中画横线的线段，得最小值 min{6, 2, 10}=2。查询在 O(logn) 时间内完成。
  • 线段树高效的原因：每个结点的值，代表了以它为根的子树上所有结点的值。查询这个子树的值时，不必遍历整棵树，而是直接读这个子树的根。
  • m 次 “单点修改+区间查询” 的总复杂度 O(mlogn)。

3、线段树的树结构

用数组 tree[] 实现一棵满二叉树。每个结点的左右儿子：

左儿子：p<<1，即 p*2。

例：根 tree[1] 的左儿子是 tree[2]，结点 tree[12] 的左儿子是 tree[24]。

右儿子：p<<1|1，即 p*2+1。

例：根 tree[1] 的右儿子是 tree[3]，结点 tree[12] 的右儿子是 tree[25]。

注：p<<1|1，是先左移再按位或

#定义根节点是tree[1]，即编号为1的结点是根
tree=[0]*(N<<2)     #用tree[i]记录线段i的最值
#父子关系，p是父
tree[p<<1]  #左儿子，编号p*2
tree[p<<1|1]    #右儿子，编号p*2+1

【线段树的修改】

点修改：在线段树中每次只修改一个点。

区间修改：每次修改一个区间的所有数。

重点在区间修改

  • 给定 n 个元素 {a1，a2，...，an}：
  • 修改（加）：给定 i,j<=n，把 { ai, ..., aj } 区间内的每个元素加 v。
  • 查询：给定 L,R<=n，计算 {aL, ..., aR} 的区间和。

三、例题应用

1、最大数（lanqiaoOJ题号826）

【题目描述】

维护一个数列，要求提供以下两种操作：

1、查询操作。

语法：Q L

功能：查询当前数列中末尾 L 个数中的最大的数，并输出这个数的值。

限制：L 不超过当前数列的长度。(L>0)

2、插入操作。

语法：A n

功能：将 n 加上 t，其中 t 是最近一次查询操作的答案（如果还未执行过查询操作，则 t=0)，并将所得结果对一个固定的常数 D 取模，将所得答案插入到数列的末尾。

限制：n 是整数 (可能为负数) 并且在长整范围内。

注意：初始时数列是空的，没有一个数。

【输入描述】

第一行两个整数，M 和 D，其中 M 表示操作的个数，D 如上文中所述。接下来的 M 行，每行一个字符串，描述一个具体的操作。语法如上文所述。其中，1<=M<=2×10^5，1<=D<=2×10^9。

【输出描述】

对于每一个查询操作，你应该按照顺序依次输出结果，每个结果占一行。

【完整代码】

N=100001
INF=0x7FFFFFFF
tree=[0]*(N<<2)     #4倍
def bulid(p,pl,pr):     #每一个结点都是极小的一个值
    if pl==pr:
        tree[p]=-INF    #本题是求最大值，把每一个结点赋予极小值
        return
    mid=(pl+pr)>>1
    bulid(p<<1,p1,mid)  #p<<1是左儿子
    bulid(p<<1|1,mid+1,pr)  #p<<1|1是右儿子
    tree[p]=max(tree[p<<1],tree[p<<1|1]) #push_up,这里体现了线段树的一个精髓
def update(p,p1,pr,L,R,d):
    if L<=pl and pr<=R:
        tree[p]=d
        return
    mid=(pl+pr)>>1
    if L<=mid:
        update(p<<1,pl,mid,L,R,d)
    if R>mid:
        update(p<<1|1,mid+1,pr,L,R,d)
    tree[p]=max(tree[p<<1],tree[p<<1|1]) #push_up
    return
def query(p,pl,pr,L,R):
    res=-INF
    if L<=pl and pr<=R:
        return tree[p]
    mid=(pl+pr)>>1
    if L<=mid:
        res=max(res,query(p<<1,pl,mid,L,R))
    if R>mid:
        res=max(res,query(p<<1|1,mid+1,pr,L,R))
    return res
 
m,D=map(int,input().split())
bulid(1,1,N)    #不用bulid,这样写也行；update(1,1,N,1,N,-INF)
cnt=0
t=0
for i in range(m):
    op=list(input().split())
    if op[0]=='A':
        cnt+=1
        update(1,1,N,cnt,cnt,(int(op[1]+t))%D)
    if op[0]=='Q':
        t=query(1,1,N,cnt-int(op[1])+1,cnt)
        print(t)

（1）初始建一棵空树 build(p, pl, pr)

  • build(p, pl,pr)：p是tree[p]，即建立以 tree[p] 为根的一棵子树，它代表区间 [pl, pr]。
  • build() 函数是一个递归函数，递归到最底的叶子结点，赋初始值 tree[p] = -INF，即一个极小的值。本题是求最大值，把每个结点赋值为极小。
  • 建树用二分法，从根结点开始逐层二分到叶子结点。
  • 作用：把底层的值递归返回，赋值给上层结点。线段树的每个结点，代表了以这个结点为根的子树的最大值 (本题是求最大值，有的题目是求区间和)
  • push_up 利用递归函数的回溯，完成了这一任务。
def bulid(p,pl,pr):     #每一个结点都是极小的一个值
    if pl==pr:
        tree[p]=-INF    #本题是求最大值，把每一个结点赋予极小值
        return
    mid=(pl+pr)>>1
    bulid(p<<1,p1,mid)  #p<<1是左儿子
    bulid(p<<1|1,mid+1,pr)  #p<<1|1是右儿子
    tree[p]=max(tree[p<<1],tree[p<<1|1]) #push_up,这里体现了线段树的一个精髓

初始建树 build() 函数并不是必须的，可以不用。

线段树代码中一定会有一个 update() 函数，作用是更新一个区间，它可以替代 build() 的功能。

（2）更新线段树 update()

update(p, pl, pr, L, R, d) 是通用模板。p 表示结点 tree[p]，pl 是左子树，pr 是右子树。区间 [L, R] 是需要更新的区间。d 是修改或更新。

本题的更新功能是新增一个结点，有两个步骤。

1）把这个结点放在二叉树的叶子上。在本题中这样使用：

update(1, 1, N, cnt, cnt, (x+t)%D)；

作用：把 [cnt, cnt] 区间的值赋值为 (x+t)%D。

因为 [cnt, cnt] 这个区间只包含 tree[cnt] 一个结点，所以它是对新增叶子结点 tree[cnt] 赋值。

2）新增这个结点导致它上层结点的变化，需要把变化上传到上层结点。通过 push_up，把变化递归到上层。

def update(p,p1,pr,L,R,d):
    if L<=pl and pr<=R:
        tree[p]=d
        return
    mid=(pl+pr)>>1
    if L<=mid:
        update(p<<1,pl,mid,L,R,d)
    if R>mid:
        update(p<<1|1,mid+1,pr,L,R,d)
    tree[p]=max(tree[p<<1],tree[p<<1|1]) #push_up
    return

（3）查询

查询区间 [L, R] 的最大值。函数 query(p, pl, pr, L, R) 查询以 p 为根的子树，这棵子树内区间 [L, R] 的最大值。

1）如果这棵子树完全被 [L, R] 覆盖，也就是说这棵子树在要查询的区间之内，那么直接返回 tree[p] 的值。这一步体现了线段树的高效率。如果不能覆盖，那么需要把这棵子树二分，再继续下面两步的查询。

2）如果 L 与左部分有重叠。

3）如果 R 与右部分有重叠。

def query(p,pl,pr,L,R):
    res=-INF
    if L<=pl and pr<=R:
        return tree[p]
    mid=(pl+pr)>>1
    if L<=mid:
        res=max(res,query(p<<1,pl,mid,L,R))
    if R>mid:
        res=max(res,query(p<<1|1,mid+1,pr,L,R))
    return res

2、选数异或（2022年省赛，lanqiaoOJ题号2081）

【题目描述】

给定一个长度为 n 的数列 A1, A2, ...,  An 和一个非负整数 x，给定 m 次查询，每次询问能否从某个区间 [l, r] 中选择两个数使得他们的异或等于 x。

【输入格式】

输入的第一行包含三个整数 n, m, x。第二行包含 n 个整数 A1, A2, ...., An。接下来 m 行，每行包含两个整数 li, ri 表示询问区间 [li, ri]。

【输出格式】

对于每个询问，如果该区间内存在两个数的异或为 x 则输出 yes，否则输出 no。

【评测用例规模与约定】

对于 20% 的评测用例，1<=n,m<=100；

对于 40% 的评测用例，1<=n,m<=1000；

对于所有评测用例，1<=n,m<=100000，0<=x<2^20，1<=li<=ri<=n，0<=Ai<2^20

（1）暴力（40%）

用combinations，遍历 [L,R] 内的任意 2 个数的组合

import itertools
def two(l,r):
    b=itertools.combinations(a[l:r+1],2)
    for i in b:
        if i[0]^i[1]==x:
            return 'yes'
    return 'no'
 
n,m,x=map(int,input().ssplit())
a=[0]+list(map(int,input().split()))    #a[0]不用
c=[]
for i in range(m):
    c.append(list(map(int,input().split())))
for i in c:
    print(two(i[0],i[1]))

（2）动态规划+字典（100%）

  • 设 ai 右边符合要求的是 aj
  • 设 a(i+1) 右边符合要求的是 ak
  • 若 k<j，则对 ai 来说，它右边的 (ai+1, ak) 这一对数，更好地满足要求。

定义字典 mp，mp 的键是 a[i]，对应的值是 i。

  • 第 7 行：把 a[i] 映射到 i。
  • 第 8~9 行：找到距离 a[i] 的符合题目要求的数的最近位置。
  • 第 10 行：判断查询的区间内，有没有符合要求的两个数。

一次字典操作复杂度是 O(logn)，6行做n次，12行做m次，总复杂度 O(nlogn + mlogn)，能通过 100% 的测试。

n,m,x=map(int,input().split())
a=[0]+list(map(int,input().split()))    #加a[0],从a[1]开始
pos=[0]*(n+10)
pos[n+1]=1<<30
mp={}           #定义字典，字典能把数与位置联系起来
for i in range(n,0,-1):     #n次
    mp[a[i]]=i              #把a[i]映射到i
    y=x^a[i]                #若a^b=c,则b=a^c
    pos[i]=pos[i+1]         #从下一个位置找符合条件的数
    if mp.get(y):
        pos[i]=min(pos[i],mp[y])   #最近位置
for i in range(m):          #m次
    L,R=map(int,input().split())
    if pos[L]<=R:
        print('yes')
    else:
        print('no')

（3）线段树（100%）

区间问题一般用线段树，但是本题的区间查询是任意两个数的异或。

如果能建模为区间最值或区间和，线段树就有效了。

  • 题目是找区间内的 ai⊕aj=x，其中 x 是给定的常数。
  • 变形为对区间内的每个 ai，在区间内找一个 aj=ai⊕x。
  • 对于 ai 来说，可能有多个 aj 满足，显然那个距离它最近的 aj 最好，这样在做任意区间查询的时候，最小的区间查询也能满足。

定义一个数组 Left[]，Left[i] 表示 a[i] 左边最近的等于 ai⊕x 的数 aj 的位置。

本题转换为在区间 [L, R] 内查询一个大于 L 的 Left[i]，a[i]的i显然小于R，此时满足题目要求的一对数是 a[i] 和 a[Left[i]]。

由于那个最大的 Left[i] 肯定满足要求，这样就转换成了查询区间最值问题。

  • 定义 Left[] 时只考虑了 a[i] 左边的数，没有考虑 a[i] 右边的数。这并不会遗漏，因为 a[i] 和它左边的 a[j] 是成对的，对于 a[j] 来说，a[i] 就是右边的数。
  • 如何快速计算 Left[]? 这里利用一个哈希技巧，定义数组pos[]，从左到右遍历 a[] 时，用 pos[k] 记录数字 k 上一次出现的位置，那么 Left[i]=pos[ai⊕x]。
  • 建模为查询区间最值问题后，用线段树编码。每次查询的复杂度为 O(logn)，m 次查询的总复杂度为 O(mlogn)，能通过 100% 的测试。
N=100010
Left=[0]*N
pos=[0]*((1<<20)+10)
tree=[0]*(N<<2)         #4倍
def bulid(p,pl,pr):
    if pl==pr:
        tree[p]=Left[pl]
        return
    mid=(pl+pr)>>1
    bulid(p<<1,pl,mid)  #p<<1是左儿子
    bulid(p<<1|1,mid+1,pr)  #p<<1|1是右儿子
    tree[p]=max(tree[p<<1],tree[p<<1|1])    #push_up
def query(p,pl,pr,L,R):
    if L<=pl and pr<=R:
        return tree[p]
    mid=(pl+pr)>>1
    res=0
    if L<=mid:
        res=max(res,query(p<<1,pl,mid,L,R))
    if R>mid:
        res=max(res,query(p<<1|1,mid+1,pr,L,R))
    return res
n,m,x=map(int,input().split())
a=list(input().split())
a.insert(0,0)           #加一个a[0],从a[1]开始
for i in range(1,n+1):
    a[i]=int(a[i])
    Left[i]=pos[a[i]^x]
    pos[a[i]]=i
bulid(1,1,n)
for i in range(m):
    L,R=map(int,input().split())
    if query(1,1,n,L,R)>=L:
        print('yes')
    else:
        print('no')

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/4398.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

43-二叉树练习-LeetCode236二叉树的最近公共祖先

43-二叉树练习-LeetCode236二叉树的最近公共祖先

题目 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。 百度百科中最近公共祖先的定义为&#xff1a;“对于有根树 T 的两个节点 p、q&#xff0c;最近公共祖先表示为一个节点 x&#xff0c;满足 x 是 p、q 的祖先且 x 的深度尽可能大&#xff08;一个节点也可以是它…
阅读更多...
一款全新的基于GPT4的Python神器，关键还免费

一款全新的基于GPT4的Python神器，关键还免费

chartgpt大火之后&#xff0c;随之而来的就是一大类衍生物了。 然后&#xff0c;今天要给大家介绍的是一款基于GPT4的新一代辅助编程神器——Cursor。 它最值得介绍的地方在于它免费&#xff0c;我们可以直接利用它来辅助我们编程&#xff0c;真正做到事半功倍。 注意&#…
阅读更多...
k8s实践 | configmapsecretpvpvc

k8s实践 | configmapsecretpvpvc

文章目录configmap&secret&pv&pvc一、configMap1、应用场景2、创建configMap2.1、help文档2.2、使用目录创建2.3、根据文件创建2.4、文字创建2.5、直接方法2.6、pod中应用2.7、热更新二、secret1、Service Account2、opaque Secret2.1、创建示例2.2、使用方式三、k…
阅读更多...
eNSP 本地AAA配置实验

eNSP 本地AAA配置实验

关于本实验本实验要求将路由器AR1配置为AAA服务器&#xff0c;以本地认证方式对尝试登录AR1的用户进行身份认证和授权。路由器AR2作为登录用户&#xff08;AAA客户端&#xff09;&#xff0c;以Telnet的方式登录AR1.读者需要在AR1中创建一个名为datacom的管理员域&#xff0c;并…
阅读更多...
【Unity游戏开发教程】零基础带你从小白到超神22——旧动画和新动画组件的使用

【Unity游戏开发教程】零基础带你从小白到超神22——旧动画和新动画组件的使用

制作一个动画 创建动画 添加变化属性 实现方块向右移动10 添加关键帧 实现先慢后快的效果 录制动画 旧动画组件（Animation组件） 如果想让一个游
阅读更多...
PMP项管2023年5月的备考准备攻略！

PMP项管2023年5月的备考准备攻略！

2023年共有4次PMP考试&#xff0c;分别是3月、5月、8月、11月&#xff0c;由于3月份考试不开放新报名&#xff0c;所以第一次备考PMP的同学可以选择参加5月份考试。那么&#xff0c;现在备考5月份PMP考试还来得及吗&#xff1f; 现在开始备考5月PMP考试&#xff0c;时间是非常…
阅读更多...
GEE：克里金 Kriging 插值（以陕西省2013年生物量为例）

GEE：克里金 Kriging 插值（以陕西省2013年生物量为例）

本文记录了在Google Earth Engine（GEE）平台上进行 Kriging 插值的介绍和代码案例。本文通过选取的2013年陕西省生物量样本点数据为例，利用 Kriging 插值对未知区域做了插值计算。 Google Earth Engine（GEE）是一个用于分析地理空间数据的云平台，其中包含了许多地理空间分…
阅读更多...
Office E5 OneDrive API使用指南：注册+密钥获取+获取临时上传链接+分片

Office E5 OneDrive API使用指南：注册+密钥获取+获取临时上传链接+分片

异想之旅&#xff1a;本人原创博客完全手敲&#xff0c;绝对非搬运&#xff0c;全网不可能有重复&#xff1b;本人无团队&#xff0c;仅为技术爱好者进行分享&#xff0c;所有内容不牵扯广告。本人所有文章仅在CSDN、掘金和个人博客&#xff08;一定是异想之旅域名&#xff09;…
阅读更多...
Java 各种锁的理解与实现

Java 各种锁的理解与实现

1. volatile 是轻量级锁&#xff1a; 只能修饰在变量上&#xff0c;使得 cpu 每次对于该变量的修改和读取都从内存中操作&#xff0c;而不是从CPU cache 中操作&#xff0c;保证共享变量对所有线程的可见性&#xff0c;但是并不能保证原子性 2. synchronized 悲观锁&#xff…
阅读更多...
Mybatis的CRUD使用详解

Mybatis的CRUD使用详解

文章目录一.Mybatis的CRUD使用详解1.1 select1.2 insert1.3 update1.3 delete二.常见错误一.Mybatis的CRUD使用详解 注意&#xff1a;增删改需要提交事务。 namespace&#xff08;UserMapper.xml&#xff09; namespace中的包名需要和Dao/mapper接口的包名一致。 <!--na…
阅读更多...
论文阅读 10 | Instance Credibility Inference for Few-Shot Learning

论文阅读 10 | Instance Credibility Inference for Few-Shot Learning

小样本学习的实例可信度推理作者摘要1. Introduction2. Related Work作者 摘要 小样本学习&#xff08;FSL&#xff09;旨在识别每个类别极其有限的训练数据的新对象。以前的努力是通过利用元学习范式或数据增强中的新原理来缓解这个极其缺乏数据的问题。相比之下&#xff0c;本…
阅读更多...
taro--之使用nutui组件库

taro--之使用nutui组件库

安装 Taro 脚手架# 使用 npm 安装 CLI npm install -g tarojs/cli# 使用 yarn 安装 CLI yarn global add tarojs/cli# 使用 cnpm 安装 CLI cnpm install -g tarojs/cli使用 NutUI 模板创建项目1、使用命令创建 Taro 项目&#xff1a;taro init myApp2、按照下方图片依次选择&am…
阅读更多...
ChatGPT如何批量撰写最新的热点自媒体文章

ChatGPT如何批量撰写最新的热点自媒体文章

如何用ChatGPT创作高质量的自媒体文章 自媒体已成为互联网上的一个重要组成部分&#xff0c;无论您是想在社交媒体、博客中发布内容&#xff0c;高质量的文章都是自媒体成功的重要组成部分。ChatGPT是一个智能文章生成器&#xff0c;能够帮助创作者快速、高效地生成高质量的自…
阅读更多...
数据结构——二叉搜索树

数据结构——二叉搜索树

一、二叉搜索树概念 二叉搜索树又叫二叉排序树&#xff0c;它或是空树&#xff0c;或是具有以下性质的二叉树&#xff1a; &#xff08;1&#xff09;若它的左子树不为空&#xff0c;则左子树上的所有节点的值都小于根节点的值&#xff1b; &#xff08;2&#xff09;若它的…
阅读更多...
LeetCode-718. 最长重复子数组

LeetCode-718. 最长重复子数组

目录题目思路动态规划遇到的坑动态规划(优化)题目来源 718. 最长重复子数组 题目思路 用二维数组可以记录两个字符串的所有比较情况&#xff0c;这样就比较好推递推公式了。 动态规划 1.确定dp数组&#xff08;dp table&#xff09;以及下标的含义 dp[i][j]的定义也就决定…
阅读更多...
【云原生】我将ChatGPT变成Kubernetes 和Helm 终端

【云原生】我将ChatGPT变成Kubernetes 和Helm 终端

{kubectl get po&#xff0c;deploy&#xff0c;svc}{kubectl run --imagenginx nginx-app --port80 --env“DOMAINcluster”}{kubectl expose deployment nginx-app --port80 --namenginx-http}{kubectl get po&#xff0c;svc&#xff0c;deploy}{curl 10.100.67.94:80}{helm…
阅读更多...
Spring事务

Spring事务

目录 手动操作 声明式提交 注解的属性 事务隔离级别 事务传播机制 事务可以将一组操作封装成为一个单元&#xff0c;一组操作要么全部成功&#xff0c;要么全部失败 Mysql中操作事务&#xff0c;有三个步骤&#xff1b; 1、start transaction &#xff1b;开启事务 2、com…
阅读更多...
springboot 整合Mybatis-Plus分页、自动填充功能

springboot 整合Mybatis-Plus分页、自动填充功能

springboot 整合Mybatis-Plus分页、自动填充功能功能 此次分页、自动填充功能的实现是在Spring Boot整合 druid、Mybatis-plus实现的基础上完成的&#xff0c;包括数据源配置、各种依赖添加、mapper和service的实现。不在重复记录。 Java开发手册要求数据表必须要有三个字段&am…
阅读更多...
【lwIP（第九章）】ICMP协议

【lwIP（第九章）】ICMP协议

目录一、ICMP协议简介1. ICMP协议类型与结构2. ICMP 差错报文3. ICMP 查询报文二、ICMP协议原理1. ICMP报文数据结构2. ICMP的差错报文3. 差错报文的原理4. ICMP的查询报文一、ICMP协议简介 ICMP协议是一个网络层协议。 一个新搭建好的网络&#xff0c;往往需要先进行一个简单的…
阅读更多...
为什么说学人工智能一定要学Python？

为什么说学人工智能一定要学Python？

学习人工智能需要掌握大量的数据处理和算法实现&#xff0c;而Python作为一种高级编程语言&#xff0c;具有简单易学、灵活多变、开源丰富的库等优点&#xff0c;成为了人工智能领域广泛应用的语言之一。 具体来说&#xff0c;Python在人工智能中的优势包括&#xff1a; ​​…
阅读更多...
最新文章

Copyright @ 2022~2023