的預測 然後就可以寄更精準的型錄給你(女兒)！ 8 / 74 Hadoop + Big Data 的分析 然後一堆書(作者)就被打臉了！ 9 / 74 1. Submit Job 2. JT 分派 Task 給 TT 3. TT 執行 Task 4. TT 向 JT 回報 Hadoop 1.x 架構 - MapReduce (MRv1) 只有一個 JobTracker (Master)，可是要管理多個 BigQuery, Its Features and Some Successful Products Who Got Benefited from It? 54 / 74 超級(女)英雄們也是有分派系的！ Hadoop 小圈圈 55 / 74 Cloudera 派： Intel (金主) DataBricks (Spark 平台) IBM Oracle MapR ... Hortonworks

都是透明的，如圖 2.29 所示。 服務路由訊息透過 watch API Server 取得 透過 iptables 的 DNAT 傳送到 kube-proxy 外部 Client 叢集自動分派服務 的 IP 圖 2.29 Service 的負載平衡轉發規則 存取 Service 的請求，不論是用 Cluster IP + TargetPort 的方式，還是用節點主機 IP+ NodePort

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 立的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 第 10 章 搜尋 www.hello‑algo.com 214 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃