day19-Haddop

Haddop-HDFS

一个程序的空间复杂度是指运行完一个程序所需内存的大小
利用程序的空间复杂度，可以对程序的运行所需要的内存多少有个预先估计
程序执行时所需存储空间包括以下两部分：
- 固定空间：主要包括指令空间（即代码空间）、数据空间（常量、简单变量）等所占的空间
- 可变空间：这部分空间的主要包括动态分配的空间，以及递归栈所需的空间等
如何判断一个年份是平年还是闰年？
- 方法一：使用年份计算公式进行计算
- 方法二：创建一个长度4000的数组，以年份为下标，直接取值即可。
  - 如果计算的年份超过1万年

一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需要知道哪个算法花费的的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句执行次数成正比，哪个算法中语句执行次数多，它花费的时间就多。
一个算法中的语句执行次数称为语句的频度或时间频度。记为：T(n)

T(n)=n^2+3n+4
T(n)=4n^2+2n+1
他们执行的频度是不同的，但是时间复杂度一样

为了描述时间频度变化引起的变化规律，引入时间复杂度的概念。记为O(n)
时间复杂度计算规则只需要遵循如下规则：
- 用常数1来取代运行时间中所有加法常数
- 只要高阶项，不要低级项
- 不要高阶项系数
时间频度不同，但时间复杂度可能相同
- T(n)=n^2+3n+4 -- n^2+3n -- n^2
- T(n)=4n^2+2n+1 -- 4n^2+2n -- 4n^2 -- n^2
- 他们的频度不同但时间复杂度相同，O(n^2)
- T(n)=log2n n+ 2n +10 -- log2n n+ 2n -- log2n*n -- logn^2
常见的时间复杂度场景
- O(1) -- 常数阶
- O(n) -- 线性阶
- O(logn) -- 对数阶
- O(n^2) -- 平方阶
- O(nlogn) -- 线性对数阶
- O(1)<O(logn)<O(n)<O(n^2)<O(2n)<O(n!)<O(n^n)
时间复杂度去估算算法优的时候注重算法的潜力
- 有100条数据的时候算法a比算法b快
- 有10000条数据的时候算法b比a快
- 算法b的时间复杂度更优

日常操作中：我们都注重时间复杂度，有些特俗情况下，空间复杂度可能会更加重要
- 因为很多时候空间复杂度可以花钱解决
获取明天现在这个时刻？
- 请用代码获取明天这个时刻
  - Thread().sleep(3600*24)
  - Date() date=new Date();
- 以后时间复杂度的问题具体情况还要具体分析，两行代码执行一天
编程的精髓和美，并不在于一方的退让和妥协。而是在于两者之间取一个平衡点，完成华丽变身
- 但是将来工作中一切以时间复杂度为标准

默认以升序排列（小--大）