AmethystFOB

加密算法问题 一、base64加密后太长，解决办法？ Base64是一种将二进制数据编码为ASCII字符的方法，它的编码结果通常会比原始数据长三分之一左右。因此，如果使用Base64对较大的二进制数据进行编码时，可能会导致编码结果过长。 针对这个问题，可以通过以下几种方式进行优化： 压缩数据：在进行Base64编码之前，先对原始数据进行压缩，可以使用一些常见的算法如Gzip或Deflate等。这样可以在一定程度上减少数据的长度，从而减少Base64编码结果的长度。 分片处理：如果需要将较大的数据进行加密，可以将数据分成若干个较小的块并分别进行Base64编码，然后再将编码结果拼接起来。这样虽然会增加一定的处理时间和代码复杂度，但是可以缩短总体编码结果的长度。 使用其他编码方式：除了Base64外，还有一些其他的编码方式可以将二进制数据编码为ASCII字符，例如Base32、Hexadecimal等。可以根据实际需求选择适合的编码方式。 需要注意的是，在实际应用中，对于较大的二进制数据，最好选择其他更为专业的加密方式，例如SHA算法或AES算法等，以确保数据的安全性和加密的效率。

算法问题汇总 一、当两个不同的数经过哈希函数计算后得到了同一个结果，即他们会被映射到哈希表的同一个位置时，即称为发生了哈希冲突。那么两个相同的数计算后结果应该如何呢 在使用哈希函数时，如果两个不同的数经过计算后得到了相同的哈希值，我们称之为哈希冲突。哈希冲突是一种常见现象，因为哈希函数通常是将一个任意长度的输入映射到固定长度的输出，很难避免。 而无论是两个不同的数还是两个相同的数，当它们经过哈希函数计算后得到的结果相同时，都会被映射到哈希表的同一个位置上，即存储在同一个桶中。这也是哈希函数在处理数据时可靠性的一个重要保证：相同的输入总是会得到相同的输出。 在哈希表中，发生哈希冲突时，通常会采用开放地址法或链式法来解决。其中，开放地址法是指继续寻找哈希表中未被占用的位置来存储冲突的元素，而链式法则是在哈希表每个位置上维护一个链表，将哈希值相同的元素存储在同一个链表中。 总之，哈希冲突是一种常见的现象，但是通过合适的解决方案，我们可以在哈希表中高效地存储和查找数据。 二、使用bitmap实现千万数据去重 使用位图（Bitmap）数据结构可以高效地进行千万级别的数据去重操作。下面是详细的思路....

算法刷题 算法入门： 1、704. 二分查找 题目： 给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。 示例 1: 输入: nums = [-1,0,3,5,9,12], target = 9 输出: 4 解释: 9 出现在 nums 中并且下标为 4 示例 2: 输入: nums = [-1,0,3,5,9,12], target = 2 输出: -1 解释: 2 不存在 nums 中因此返回 -1 提示： 你可以假设 nums 中的所有元素是不重复的。 n 将在 [1, 10000]之间。 nums 的每个元素都将在 [-9999, 9999]之间。 解答： class Solution{ public int search(int[] nums, int target){ int low = 0; int hight = nums.length - 1; while(low <= height){ } } }

数据结构刷题 一、树 1、94. 二叉树的中序遍历 题目： 给定一个二叉树的根节点 root ，返回 它的 中序 遍历 。 示例1： 输入：root = [1,null,2,3] 输出：[1,3,2] 树中节点数目在范围 [0, 100] 内 -100 <= Node.val <= 100 进阶: 递归算法很简单，可以通过迭代算法完成吗？ 解答： 方法一： 递归 /** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode() {} * TreeNode(int val) { this.val = val; } * TreeNode(int val, TreeNode left, TreeNode right) { * this.val = val; * this.left = left; * this.right = right; * } * } */ class Solution { ....