BeanInstantiationException for getTestExecutionListeners (SPR-11804) Changes in version 3.2.8 (2014-02-18) ------------------------------------- * fixed potential LinkageError with aop:scoped-proxy (SPR-11398) form tag library * fixed @Configurable issue with null bean name Changes in version 3.0.1 (2010-02-18) ------------------------------------- * upgraded to AspectJ 1.6.8 * full support for JPA 2.0 persistence

. . . . . . . . . 18 Custom codecs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.3. DispatcherHandler start by learning about how non-blocking I/O works (for example, concurrency on single- threaded Node.js) and its effects. 1.1.5. Servers Spring WebFlux is supported on Tomcat, Jetty, Servlet 3.1+ containers limits or logging sensitive data. The following example shows how to do so for client-side requests: 18 Java WebClient webClient = WebClient.builder() .codecs(configurer -> { CustomDecoder

i++) { for (int j = 0; j < n + 1; j++) { System.out.println(0); } } } 2. 复杂度分析 hello‑algo.com 18 2) 判断渐近上界 时间复杂度由多项式 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将处于主导作用， 其它项的影响都可以被忽略。 以下表格给出了一些例子，其中有一些夸张的值，是想要向大家强调 需要在二叉树中执行查找操作，获取待删除结点。接下来，根据待删除结点的子结点数量，删除操作需要分为 三种情况： 当待删除结点的子结点数量 = 0 时，表明待删除结点是叶结点，直接删除即可。 Figure 7‑18. 在二叉搜索树中删除结点（度为 0） 当待删除结点的子结点数量 = 1 时，将待删除结点替换为其子结点即可。 Figure 7‑19. 在二叉搜索树中删除结点（度为 1） 当待删除结点的子结点数量 19) 11. 排序算法 hello‑algo.com 162 ('B', 18) ('C', 21) ('D', 19) ('E', 23) # 假设使用非稳定排序算法按年龄排序列表， # 结果中 ('D', 19) 和 ('A', 19) 的相对位置改变， # 输入数据按姓名排序的性质丢失 ('B', 18) ('D', 19) ('A', 19) ('C', 21) ('E'

i++) { for (int j = 0; j < n + 1; j++) { System.out.println(0); } } } 2. 复杂度分析 hello‑algo.com 18 2) 判断渐近上界 时间复杂度由多项式 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将处于主导作用， 其它项的影响都可以被忽略。 以下表格给出了一些例子，其中有一些夸张的值，是想要向大家强调 需要在二叉树中执行查找操作，获取待删除结点。接下来，根据待删除结点的子结点数量，删除操作需要分为 三种情况： 当待删除结点的子结点数量 = 0 时，表明待删除结点是叶结点，直接删除即可。 Figure 7‑18. 在二叉搜索树中删除结点（度为 0） 当待删除结点的子结点数量 = 1 时，将待删除结点替换为其子结点即可。 Figure 7‑19. 在二叉搜索树中删除结点（度为 1） 当待删除结点的子结点数量 age) ('A', 19) ('B', 18) 11. 排序算法 hello‑algo.com 163 ('C', 21) ('D', 19) ('E', 23) # 假设使用非稳定排序算法按年龄排序列表， # 结果中 ('D', 19) 和 ('A', 19) 的相对位置改变， # 输入数据按姓名排序的性质丢失 ('B', 18) ('D', 19) ('A', 19)

2.4. 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无需担心。因为在实际使用中，我们只需要掌握 推算方法，数学意义可以逐渐领悟。 2. 复杂度 hello‑algo.com 18 根据定义，确定 ?(?) 之后，我们便可得到时间复杂度 ?(?(?)) 。那么如何确定渐近上界 ?(?) 呢？总体分 为两步：首先统计操作数量，然后判断渐近上界。 第一步：统计操作数量 针 作为模数，它可以被 3 整除。那么所有可以被 3 整除的 key 都会被映射到 0 , 3 , 6 这三个哈希值。 modulus = 9 key = {0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, ⋯} hash = {0, 3, 6, 0, 3, 6, 0, 3, 6, 0, 3, 6, ⋯} 如果输入 key 恰好满足这种等差数列的数据分布， modulus 替换为质数 13 ，由于 key 和 modulus 之间不存在公约数，输出的哈希值的均匀性会明显提升。 modulus = 13 key = {0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, ⋯} hash = {0, 3, 6, 9, 12, 2, 5, 8, 11, 1, 4, 7, ⋯} 值得说明的是，如果能够保证 key 是随机均匀

整体架构分为用户层、业务层、内核层和插件，用户层主要解决用户使用的易用性问题，业务层主 要解决服务发现和配置管理的功能问题，内核层解决分布式系统⼀致性、存储、高可用等核心问题， 插件解决扩展性问题。 Nacos 架构 < 18 用户层  OpenAPI：暴露标准 Rest 风格 HTTP 接口，简单易用，方便多语言集成。  Console：易用控制台，做服务管理、配置管理等操作。  SDK：多语言 SDK，目前几乎支持所有主流编程语言。 支持 1.12+ >93% 无 无 C++ 支持 不支持 支持 支持 14+ >60% （C++11 使 用较多） 无 无 C# 支持 不支持 不支持 支持 无 无 Node.js 支持 不支持 支持 支持 无 无 51 > Nacos 架构 grpc WebSocket tbr emo t e （阿里自研 协议） Rsocket netty mina 多语言支持

章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 时间复杂度 复杂度分析 Abstract 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如图 2‑18 所示，该函数的递归深度为 ? ，在每个递归函数中都初始化了一个数组，长度分别为 ?、? − 1、 …、2、1 ，平均长度为 ?/2 ，因此总体占用 ?(?2) 空间： 第 2 章 复杂度分析 hello‑algo

. . . 17 2.2 迭代与递归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.3 时间复杂度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.4 空间复杂度 或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下两个方面。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 第 2 章 复杂度分析 hello‑algo.com 18 ‧ 它可以体现不同数据量下的算法效率，尤其是在大数据量下的算法性能。 � 如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“ = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如图 2‑18 所示，该函数的递归深度为 ? ，在每个递归函数中都初始化了一个数组，长度分别为 ?、? − 1、 …、2、1 ，平均长度为 ?/2 ，因此总体占用 ?(?2) 空间： // === File: space_complexity

章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 时间复杂度 2 章 复杂度分析 � 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如图 2‑18 所示，该函数的递归深度为 ? ，在每个递归函数中都初始化了一个数组，长度分别为 ?、? − 1、 …、2、1 ，平均长度为 ?/2 ，因此总体占用 ?(?2) 空间： 第 2 章 复杂度分析 hello‑algo

章 复杂度分析 17 2.1 算法效率评估 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 迭代与递归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 时间复杂度 Abstract 复杂度分析犹如浩瀚的算法宇宙中的时空向导。 它带领我们在时间与空间这两个维度上深入探索，寻找更优雅的解决方案。 第 2 章 复杂度分析 www.hello‑algo.com 18 2.1 算法效率评估 在算法设计中，我们先后追求以下两个层面的目标。 1. 找到问题解法：算法需要在规定的输入范围内可靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } 如图 2‑18 所示，该函数的递归深度为 ? ，在每个递归函数中都初始化了一个数组，长度分别为 ?、? − 1、 …、2、1 ，平均长度为 ?/2 ，因此总体占用 ?(?2) 空间： 第 2 章 复杂度分析 www