docs:新增算法大纲

Java-Edge · Java-Edge · commit dcb703b1a036 · 2024-03-28T09:09:16.000+08:00
diff --git a/docs/.vuepress/config.js b/docs/.vuepress/config.js
@@ -457,6 +457,14 @@ module.exports = {
                         
                         {
                             text: '数据结构与算法',
+                            items: [{
+                                text: '数据结构与算法专栏大纲',
+                                link: '/md/algorithm/logic/basic/00-数据结构与算法专栏大纲.md'
+                            }, ]
+                        },
+                        
+                        {
+                            text: '大厂算法面试',
                             items: [{
                                     text: '00-阿里秋招高频算法题汇总-基础篇',
                                     link: '/md/algorithm/logic/leetcode/00-阿里秋招高频算法题汇总-基础篇.md'
@@ -621,6 +629,9 @@ module.exports = {
                             sidebarDepth: 0,
                             children: [
                                 "01-DMP系统简介",
+                                "05-用户画像是什么？",
+                                "06-构建高质量的用户画像",
+                                "07-用户画像和特征工程",
                             ]
                         },
                     ],
@@ -786,7 +797,7 @@ module.exports = {
                         },   
                     ],
                     "/md/algorithm/logic/leetcode/": [{
-                        title: "数据结构与算法",
+                        title: "大厂算法面试",
                         collapsable: false,
                         sidebarDepth: 0,
                         children: [
@@ -798,6 +809,17 @@ module.exports = {
                             "05-字节秋招高频算法题汇总-进阶篇",
                         ]
                     }, ],
+                    
+                    "/md/algorithm/logic/basic/": [{
+                        title: "数据结构与算法",
+                        collapsable: false,
+                        sidebarDepth: 0,
+                        children: [
+                            "00-数据结构与算法专栏大纲",
+                            "【图解数据结构与算法】LRU缓存淘汰算法面试时到底该怎么写",
+                        ]
+                    }],
+
                     "/md/spring/spring-cloud/": [{
                             title: "SpringCloudAlibaba",
                             collapsable: false,
diff --git a/docs/md/algorithm/logic/basic/00-数据结构与算法专栏大纲.md b/docs/md/algorithm/logic/basic/00-数据结构与算法专栏大纲.md
@@ -0,0 +1,38 @@
+# 00-数据结构与算法专栏大纲
+
+## 你将获得
+
+- 20 个经典数据结构与算法
+- 100 个真实项目场景案例
+- 文科生都能懂的算法手绘图解
+- 轻松搞定 BAT 的面试通关秘籍
+
+## 专栏介绍
+
+踏上了编程之路，也就意味着你选择了一种终身学习的生活方式。每一个程序员都要练就十八般武艺，而掌握数据结构与算法就像修炼了九阳神功。换句话说，掌握了数据结构与算法，你的内功修炼速度就会有质的飞跃。
+
+无论你是从事业务开发，想要评估代码性能和资源消耗；还是从事架构设计，想要优化设计模式；或者想要快速玩转热门技术，比如人工智能、区块链，都要先搞定数据结构与算法。因为，任凭新技术如何变化，只要掌握了这些计算机科学的核心“招式”，你就可以见招拆招，始终立于“不败之地”。
+
+那怎样才能真正掌握数据结构与算法呢？是把常用的数据结构与算法背得滚瓜烂熟吗？即便如此，面对现实世界的千变万化，你也不太可能照搬某个算法解决即将遇到的下一个问题。因此，就像学习设计模式、架构模式一样，**学习数据结构与算法的关键，在于掌握其中的思想和精髓，学会解决实际问题的方法**。
+
+## 专栏模块
+
+### 入门篇
+
+为什么要学习数据结构与算法？数据结构与算法该怎么学？学习的重点又是什么？这一模块将为你指明数据结构与算法的学习路径；并着重介绍贯穿整个专栏学习的重要概念：时间复杂度和空间复杂度，为后面的学习打好基础。
+
+### 基础篇
+
+将介绍最常见、最重要的数据结构与算法。每种都从“来历”“特点”“适合解决的问题”“实际的应用场景”出发，进行详细介绍；并配有清晰易懂的手绘图解，由浅入深进行讲述；还适时总结一些实用“宝典”，教你解决真实开发问题的思路和方法。
+
+### 高级篇
+
+将从概念和应用的角度，深入剖析一些稍复杂的数据结构与算法，推演海量数据下的算法问题解决过程；帮你更加深入理解算法精髓，开拓视野，训练逻辑；真正带你升级算法思维，修炼深厚的编程内功。
+
+### 实战篇
+
+将通过实战案例串讲前面讲到的数据结构和算法；并拿一些开源项目和框架，剖析它们背后的数据结构和算法；并带你用学过的内容实现一个短网址系统；深化对概念和应用的理解，灵活使用数据结构和算法。
+
+## 目录
+
+![](https://codeselect.oss-cn-shanghai.aliyuncs.com/1b969cfe410a43d5f2b148c255beb3ae.jpg)
diff --git a/docs/md/algorithm/logic/basic/【图解数据结构与算法】LRU缓存淘汰算法面试时到底该怎么写.md b/docs/md/algorithm/logic/basic/【图解数据结构与算法】LRU缓存淘汰算法面试时到底该怎么写.md
@@ -0,0 +1,171 @@
+# 【图解数据结构与算法】LRU缓存淘汰算法面试时到底该怎么写
+
+链表实现的LRU缓存淘汰算法的时间复杂度O(n)，通过散列表可以将这个时间复杂度降低到O(1)。
+
+Redis有序集合即使用跳表实现，跳表可以看作一种改进版的链表。Redis有序集合不仅使用了跳表，还用到了散列表。
+
+LinkedHashMap也用到了散列表和链表两种数据结构。散列表和链表都是如何组合起来使用的，以及为什么散列表和链表会经常放到一块使用。
+
+## 1 LRU缓存淘汰算法
+
+### 1.1 链表实现LRU
+
+需维护一个按访问时间从大到小有序排列的链表结构。因为缓存大小有限，当缓存空间不够，需淘汰数据时，直接将链表头部结点删除。
+
+当要缓存某数据，先在链表查找这数据：
+
+- 没找到，数据放到链表尾部
+- 找到了，就把它移动到链表尾部
+
+因为查找数据需遍历链表，所以单纯用链表实现LRU缓存淘汰算法需O(n)。
+
+#### 缓存（cache）系统的主要操作
+
+- 往缓存中添加一个数据
+- 从缓存中删除一个数据
+- 在缓存中查找一个数据
+
+都涉及“查找”，如单纯采用链表，只能O(n)。如将散列表和链表组合，可将这三个操作的时间复杂度都降到O(1)。
+
+#### 结构
+
+
+
+![](https://codeselect.oss-cn-shanghai.aliyuncs.com/%E6%95%A3%E5%88%97%2B%E5%8F%8C%E5%90%91%E9%93%BE%E8%A1%A8.png)
+使用双向链表存储数据，链表中的每个结点除了存储：
+
+- 数据（data）
+- 前驱指针（prev）
+- 后继指针（next)
+- 还新增一个特殊字段hnext
+
+因为通过链表法解决哈希冲突，所以每个结点在两条链中：
+
+- 双向链表
+  前驱和后继指针，将结点串在双向链表
+- 散列表中的拉链
+  hnext指针，将结点串在散列表的拉链
+
+### 1.2 查找
+
+散列表中查找数据的时间复杂度接近O(1)，所以通过散列表，我们可以很快地在缓存中找到一个数据。当找到数据之后，我们还需要将它移动到双向链表的尾部。
+
+### 1.3 删除
+
+需要找到数据所在的结点，然后将结点删除。借助散列表，我们可以在O(1)时间复杂度里找到要删除的结点。因为我们的链表是双向链表，双向链表可以通过前驱指针O(1)时间复杂度获取前驱结点，所以在双向链表中，删除结点只需要O(1)的时间复杂度。
+
+### 1.4 添加
+
+添加数据到缓存稍微有点麻烦，我们需要先看这个数据是否已经在缓存中。如果已经在其中，需要将其移动到双向链表的尾部；如果不在其中，还要看缓存有没有满。如果满了，则将双向链表头部的结点删除，然后再将数据放到链表的尾部；如果没有满，就直接将数据放到链表的尾部。
+
+过程中的查找操作都可通过hash表。所以，这三个操作的时间复杂度都是O(1)。
+
+通过散列表和双向链表的组合使用，实现了一个高效的、支持LRU缓存淘汰算法的缓存系统原型。
+
+## 2 Redis有序集合
+
+在有序集合中，每个成员对象有两个重要的属性，key（键值）和score（分值）。
+不仅会通过score来查找数据，还会通过key来查找数据。
+
+举个例子，比如用户积分排行榜有这样一个功能：我们可以通过用户的ID来查找积分信息，也可以通过积分区间来查找用户ID或者姓名信息。这里包含ID、姓名和积分的用户信息，就是成员对象，用户ID就是key，积分就是score。
+
+所以，如果我们细化一下Redis有序集合的操作，那就是下面这样：
+
+- 添加一个成员对象
+- 按照键值来删除一个成员对象
+- 按照键值来查找一个成员对象
+- 按照分值区间查找数据，比如查找积分在[100, 356]之间的成员对象
+- 按照分值从小到大排序成员变量；
+
+若仅按分值将成员对象组织成跳表的结构，那按照键删除、查询成员对象就会很慢，解决方法与LRU缓存淘汰算法的解决方法类似。
+可再按照键值构建一个散列表，这样按照key来删除、查找一个成员对象的时间复杂度就变成了O(1)。
+
+Redis有序集合的操作还有另外一类，也就是查找成员对象的排名（Rank）或者根据排名区间查找成员对象。这个功能单纯用刚刚讲的这种组合结构就无法高效实现了。
+
+## 3 Java LinkedHashMap
+
+HashMap就是通过hash表这种数据结构实现的。而LinkedHashMap并不仅仅是通过链表法解决散列冲突的。
+
+```java
+HashMap<Integer, Integer> m = new LinkedHashMap<>();
+m.put(3, 11);
+m.put(1, 12);
+m.put(5, 23);
+m.put(2, 22);
+
+for (Map.Entry e : m.entrySet()) {
+  System.out.println(e.getKey());
+}
+```
+
+上面的代码会按照数据插入的顺序依次来打印。而hash表数据经过hash函数扰乱后是无规律存储的，它是如何实现按照数据的插入顺序来遍历打印的呢？
+
+就是通过hash表和链表组合实现，可支持：
+
+- 按照插入顺序遍历数据
+- 按访问顺序遍历数据
+
+你可以看下面这段代码：
+![](https://img-blog.csdnimg.cn/5122f6333b8846159ce6d069b78d349b.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_SmF2YUVkZ2U=,size_20,color_FFFFFF,t_70,g_se,x_16)打印结果
+![](https://img-blog.csdnimg.cn/bd93399936d348099db7d456fe377f37.png)
+
+
+每次调用 LinkedHashMap#put()添加数据时，都会将数据添加到链尾，前四个操作完成后，链表数据如下：
+![](https://img-blog.csdnimg.cn/6416549ba44749fa985aaf68fa63a7b0.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_SmF2YUVkZ2U=,size_20,color_FFFFFF,t_70,g_se,x_16)
+第二次将键值为3的数据放入到LinkedHashMap时，会先查找该K是否已有，然后，再将已经存在的(3,11)删除，并将新的(3,26)放到链尾。
+这个时候链表中的数据就是下面这样：
+![](https://img-blog.csdnimg.cn/32c96b385f1c4c0893f153209b156b30.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_SmF2YUVkZ2U=,size_20,color_FFFFFF,t_70,g_se,x_16)
+访问K=5数据时，将被访问到的数据移动到链尾。此时，链表数据如下：
+![](https://img-blog.csdnimg.cn/a8362c3a9fae4f529306f0d79772a729.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_SmF2YUVkZ2U=,size_20,color_FFFFFF,t_70,g_se,x_16)
+
+可见，按访问时间排序的LinkedHashMap本身就是个支持LRU缓存淘汰策略的缓存系统。
+LinkedHashMap中的“Linked”实际上是指的是双向链表，并非指用链表法解决哈希冲突。
+
+## 4 为啥hash表和链表经常一块使用？
+
+hash表虽支持高效插入、删除、查找，但hash表数据都是通过hash函数打乱后无规律存储。即无法支持按序快速遍历。
+
+如想按序遍历散列表数据，需将散列表中的数据拷贝到数组，然后排序，再遍历。
+
+因为散列表是动态数据结构，不断有数据插入、删除，所以想按顺序遍历散列表数据时，都要先排序，效率很低。为此，就将散列表和链表（或跳表）结合使用。
+
+## 5 手写LRU
+
+```java
+public class LRUCache<K, V> extends LinkedHashMap<K, V> {
+
+    private final int CACHE_SIZE;
+
+    // 这里就是传递进来最多能缓存多少数据
+    public LRUCache(int cacheSize) {
+        //  true指linkedhashmap将元素按访问顺序排序
+        super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);
+        CACHE_SIZE = cacheSize;
+    }
+
+    @Override
+    protected boolean removeEldestEntry(Map.Entry eldest) {
+        // 当KV数据量大于指定缓存个数时，就自动删除最老数据
+        return size() > CACHE_SIZE;
+    }
+
+}
+```
+
+## 6 FAQ
+
+Q：本文的散列表和链表结合使用的例子用的都是双向链表。若把双向链表改单链表，还正常工作吗？
+
+删除一个元素时，虽 O(1) 找到目标结点，但要删除该结点需拿到前一个结点的指针，遍历到前一个结点复杂度会变为 O(N），所以用双链表实现比较合适。（硬要操作的话，单链表也可实现 O(1) 时间复杂度删除结点的）。
+
+Q：假设有 10 万名猎头，每个猎头都可做任务（如发布职位）积累积分，然后通过积分下载简历。咋在内存存储这 10 万个猎头 ID 和积分信息，支持如下操作：
+
+- 根据猎头的 ID 快速查找、删除、更新这个猎头的积分信息
+- 查找积分在某个区间的猎头 ID 列表
+- 查找按照积分从小到大排名在第 x 位到第 y 位之间的猎头 ID 列表
+
+A：以积分排序构建一个跳表，再以猎头 ID 构建一个散列表：
+
+- ID 在散列表中所以可以 O(1) 查找到这个猎头
+- 积分以跳表存储，跳表支持区间查询
+- 这点根据目前学习的知识暂时无法实现
diff --git a/docs/md/biz-arch/05-用户画像是什么？.md b/docs/md/biz-arch/05-用户画像是什么？.md
@@ -0,0 +1,107 @@
+# 05-用户画像是什么？
+
+## 1 什么是用户画像
+
+用户画像是指根据用户的个人信息、行为数据、兴趣爱好等多方面数据构建出的用户的特征模型或描述。用户画像旨在更好地理解和洞察用户，从而为用户提供个性化的服务和体验。
+
+通过数据建立描绘用户的标签，个性化推荐、广告系统、活动营销、都是基于用户画像的应用。
+
+## 2 特点和作用
+
+1. **多维数据：** 用户画像通常包括多种维度的数据，例如用户的基本信息（年龄、性别、地域）、行为数据（浏览记录、购买记录）、兴趣爱好（关注的话题、喜欢的产品类别）等。
+
+2. **个性化服务：** 基于用户画像，企业可以针对不同用户群体提供个性化的服务和推荐，例如个性化推荐商品、定制化的营销活动等，提升用户满意度和忠诚度。
+
+3. **精准营销：** 用户画像可以帮助企业更准确地了解用户的需求和偏好，从而进行精准的营销活动，提高营销效果和转化率。
+
+4. **产品优化：** 通过分析用户画像，企业可以发现用户的使用习惯和痛点，从而优化产品设计和功能，提升产品的用户体验和市场竞争力。
+
+5. **决策支持：** 用户画像还可以为企业提供数据支持，辅助决策制定和业务发展方向，帮助企业更好地了解市场和用户需求。
+
+6. **跨平台应用：** 用户画像不仅可以应用于电子商务和在线服务领域，还可以在金融、医疗、教育等多个领域进行应用，为不同行业提供个性化服务和解决方案。
+
+总的来说，用户画像是通过对用户数据进行分析和建模，形成对用户特征和行为的描述，从而为企业提供个性化服务、精准营销、产品优化等方面的支持，是数字化时代企业数据驱动和个性化服务的重要工具之一。
+
+## 3 正确理解用户画像
+
+- 不能把典型用户当作用户画像
+
+  典型用户是虚构的，每个真实用户都有自己的用户画像
+
+- 用户画像不是用户标签的简单组合
+  用户画像的标签要和业务相结合
+
+- 用户画像的有效性
+  用户的行为，偏好会随时间而变化
+
+标签是用户画像的核心，只有真正有效的用户画像标签，才能提升运营效果。
+
+## 4 用户画像如何生成
+
+### 4.1 统一用户唯一标识
+
+如手机号
+
+### 4.2 给用户打标签
+
+属性标签、消费标签、行为标签、内容分析
+
+### 4.3 将用户画像与业务关联
+
+获客、粘客、留客
+
+## 5 用户画像的标签维度
+
+### 5.1 标签类型，从标签主题的角度
+
+- 用户属性
+- 用户行为
+- 用户消费
+- 风险控制
+- 内容分析
+
+### 5.2 标签类型一从标签生成的角度
+
+#### 5.2.1 统计类型
+
+需要使用聚合函数计算后得到的标签。如总消费金额
+
+#### 5.2.2 规则匹配类型
+
+- 人口属性
+- 用户生命周期
+
+#### 5.2.3 挖掘类型
+
+用户偏好
+
+### 5.3 标签类型一从数据提取的角度
+
+#### 5.3.1 事实标签
+
+从生产系统获取数据
+
+#### 5.3.2 模型标签
+
+对用户属性和行为进行聚类
+
+#### 5.3.3 预测标签
+
+基于用户属性和行为，挖掘用户潜在需求。 
+
+### 5.4 标签类型一从数据时效的角度
+
+静态属性标签：长期甚至永久都不会发生变化，如性别
+动态属性标签：存在有效期，需要定期的更新，如用户活跃度
+
+### 5.5 人群的标签组合
+
+性别：有2个标签 男、女
+
+年龄段维度：有7个标签，18-,20-30,30-40,40-50,50-60,60-70
+
+月均消费维度：有7个标签 100-，100-500，500-1000 ...
+
+```bash
+人群标签数量=2*7*7=98
+```
diff --git a/docs/md/biz-arch/06-构建高质量的用户画像.md b/docs/md/biz-arch/06-构建高质量的用户画像.md
diff --git a/docs/md/biz-arch/07-用户画像和特征工程.md b/docs/md/biz-arch/07-用户画像和特征工程.md
