副标题 / 摘要 固定间距 1 检测是典型的“事件间距校验”模型。本文按 ACERS 结构拆解题意、原理与工程迁移，并给出多语言可运行实现。 预计阅读时长：10~12 分钟 标签：数组、双指针、事件间距 SEO 关键词：固定间距 1 检测, 事件间距, LeetCode 1437, O(n) 元描述：一次扫描判断所有 1 是否至少相隔 k 个位置，含工程场景、复杂度对比与多语言代码。 目标读者 刷 LeetCode 并希望沉淀“模板题”的学习者 做监控/风控/行为分析的工程师 需要判断事件间隔是否合规的系统开发者 背景 / 动机 许多系统都有“事件不能过密”的约束：例如登录失败、报警事件、敏感操作、API 调用等。 这类问题的本质是 “事件间距是否满足阈值”，与该题完全等价。 如果能用 O(n) 一次扫描完成校验，就能直接迁移到实时系统。 核心概念 事件间距：两个事件之间至少有 k 个“空位” 在线校验：只记住上一次事件的位置即可 边界处理：初始化 last = -k-1，消除首个事件特判 A — Algorithm（题目与算法） 题目还原 给定整数数组 nums 与整数 k，若任意两个 1 之间至少有 k 个 0（等价于两次 1 的索引差 > k），返回 true，否则返回 false。 输入输出 名称 类型 描述 nums int[] 仅包含 0/1 的数组 k int 需要的最小间隔 返回 bool 是否满足间距约束 示例 1 nums = [1,0,0,0,1,0,0,1], k = 2 输出: true 示例 2 nums = [1,0,1], k = 2 输出: false C — Concepts（核心思想） 关键观察 只需要记住 上一个 1 的索引 last 当遇到新的 1：若 i - last <= k，说明间隔不足 否则更新 last = i 方法归类 单次线性扫描（One-pass Scan） 事件间距校验（Event Spacing Check） 双指针 / 贪心（Greedy with last pointer） 数学表达 若 i 和 j 是两个 1 的索引（i < j），要求： ...

副标题 / 摘要 2 的幂判断是位运算最经典的模板题之一。本文按 ACERS 结构讲清原理、工程场景与常见误区，并给出可复用的多语言实现。 预计阅读时长：8~12 分钟 标签：位运算、二进制、数学 SEO 关键词：Power of Two, 2 的幂, 位运算, bit manipulation, LeetCode 231 元描述：用位运算 O(1) 判断 2 的幂，含工程应用、复杂度分析与多语言代码。 目标读者 刚开始接触位运算的算法学习者 想沉淀“位运算模板题”的中级开发者 在系统/后端中需要对齐、分片、容量判断的工程师 背景 / 动机 “2 的幂”是很多工程系统的隐含约束：哈希表容量、内存对齐、任务分片、FFT 窗口大小等。 如果每次判断都用循环或除法，不仅慢，而且容易写出边界错误。 位运算提供了 O(1) 的稳定判断，是可长期复用的基础能力。 核心概念 二进制表示：2 的幂在二进制中只有一个 1，其余全是 0 位与运算：n & (n - 1) 会清除最低位的 1 必要条件：n > 0，排除 0 和负数 A — Algorithm（题目与算法） 题目还原 给定一个整数 n，判断它是否为 2 的幂。 如果是返回 true，否则返回 false。 输入输出 名称 类型 说明 n int 待判断整数 返回 bool 是否为 2 的幂 示例 1 输入: n = 1 输出: true 解释: 2^0 = 1 示例 2 输入: n = 12 输出: false 解释: 12 的二进制是 1100，含多个 1 C — Concepts（核心思想） 核心原理：一次位运算完成判断 2 的幂的二进制形态：1000...000（只有一个 1） n - 1 会把这个 1 变成 0，右侧全部变成 1 因此： n = 1000...000 n - 1 = 0111...111 n & (n - 1) = 0000...000 结论： ...

副标题 / 摘要 最小覆盖子串是“可变滑动窗口 + 计数哈希表”的经典题。本文按 ACERS 模板解释如何判断窗口有效、如何收缩得到最短答案，并给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、哈希表、字符串 SEO 关键词：Minimum Window Substring, 最小覆盖子串, 滑动窗口, 哈希表 元描述：最小覆盖子串的 O(n) 滑动窗口解法与工程应用，含多语言实现。 目标读者 正在刷 LeetCode 的中级开发者 需要掌握“可变窗口 + 覆盖约束”的算法模板 做文本分析、日志聚合或流式过滤的工程师 背景 / 动机 “在一段序列中找到最短区间覆盖目标集合”在工程中非常常见： 日志告警需要覆盖多种错误码，搜索摘要需要覆盖关键字， 运营分析需要覆盖多个行为标签。 本题提供了一个可复用的窗口收缩模板。 核心概念 可变滑动窗口：右指针扩张直到满足条件，左指针收缩缩短答案 计数哈希表：支持重复字符，必须按次数覆盖 满足条件的计数：判断当前窗口是否“覆盖了全部需要” A — Algorithm（题目与算法） 题目重述 给定字符串 s 和 t，返回 s 中最短的子串，使其包含 t 中的每一个字符（包括重复字符）。 若不存在这样的子串，返回空字符串 ""。 测试用例保证答案唯一。 输入输出 名称 类型 描述 s string 源字符串 t string 目标字符串（需要覆盖的字符与次数） 返回 string 最短覆盖子串或空串 示例 1 s = "ADOBECODEBANC", t = "ABC" 输出 = "BANC" 示例 2 s = "a", t = "a" 输出 = "a" 示例 3 s = "a", t = "aa" 输出 = "" C — Concepts（核心思想） 方法类型 可变滑动窗口 + 频次覆盖判断。 ...

副标题 / 摘要 最大元音子串数量是“固定窗口计数”的标准模板题。本文按 ACERS 结构讲清楚滑动窗口的核心思想，并给出工程场景与多语言实现。 预计阅读时长：10~12 分钟 标签：滑动窗口、字符串、固定窗口 SEO 关键词：Maximum Number of Vowels, 最大元音子串, 滑动窗口, 固定窗口 元描述：滑动窗口求固定长度子串最大元音数，含工程化应用与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“固定窗口计数”模板的中级开发者 需要做日志/指标窗口统计的工程师 背景 / 动机 固定长度窗口内的最大计数是工程里极常见的需求： 监控系统统计异常峰值、运营分析统计活跃峰值、NLP 统计特征峰值。 如果每次窗口都重新计算，会退化为 O(nk)。 滑动窗口能让每步更新变成 O(1)，把整体降到 O(n)。 核心概念 固定滑动窗口：窗口长度固定为 k，只右移一位 增量更新：进入右端元素、移除左端元素 条件计数：只统计满足条件（本题为元音）的元素数量 A — Algorithm（题目与算法） 题目重述 给你一个字符串 s 和整数 k。 返回长度为 k 的子串中，元音字符数量的最大值。 输入输出 名称 类型 描述 s string 只包含小写英文字符 k int 窗口长度 返回 int 任意长度为 k 的子串中最大元音数 示例 1 s = "abciiidef", k = 3 输出 = 3 示例 2 s = "aeiou", k = 2 输出 = 2 C — Concepts（核心思想） 方法类型 固定滑动窗口 + 条件计数。 ...

标题 Go 死锁排查 Checklist：从报错到定位的实用手册 副标题 / 摘要 一页式清单，帮助你在看到 all goroutines are asleep - deadlock! 时， 快速定位是哪一类等待造成卡死。 目标读者 初学者：首次遇到 deadlock，不知道从哪下手。 中级开发者：需要可复用的排查流程，缩短定位时间。 团队负责人：希望沉淀成团队规范，避免重复踩坑。 背景 / 动机 死锁往往发生在高并发与多协作场景，复现难、定位慢。 有一份稳定的排查清单，可以把“凭直觉猜”变成“按步骤验证”。 核心概念 deadlock 报错：所有 goroutine 都在等待，程序无法推进。 堆栈定位：栈上出现 <-ch / ch <- / mu.Lock() / wg.Wait()。 依赖闭环：等待关系形成环，导致无人能继续执行。 实践指南 / 步骤 1️⃣ 确认报错与堆栈是否完整 记录 fatal error: all goroutines are asleep - deadlock! 后的完整堆栈。 优先关注 main goroutine 的等待点。 2️⃣ 分类定位阻塞类型 channel：<-ch / ch <- WaitGroup：wg.Wait() Mutex：mu.Lock() / RWMutex 的读写锁等待 3️⃣ 检查等待关系是否闭环 ...

标题 Go 死锁入门：常见场景、排查方法与工程实践 副标题 / 摘要 从 Go 运行时的 deadlock 报错切入，系统讲清死锁的本质、 最常见的触发方式，以及如何在工程中稳定规避。 目标读者 初学者：第一次写 Go 并发代码，对 deadlock 报错感到困惑。 中级开发者：需要建立稳定的并发协作流程，减少线上卡死。 团队负责人：想沉淀一套可执行的并发规范和排查手册。 背景 / 动机 在 Go 里，“死锁（deadlock）”指的是：所有 goroutine 都在等待某个事件发生 （通常是等锁、等 channel、等 WaitGroup），但这个事件永远不会发生。 典型报错是： fatal error: all goroutines are asleep - deadlock! 一旦触发，程序会卡住或直接退出，线上影响极大。 理解死锁的触发机制与排查路径，是 Go 并发开发的必修课。 核心概念 阻塞（Blocking）：goroutine 等待 channel、锁或 WaitGroup，无法继续执行。 无缓冲 channel：发送/接收必须同时发生，否则阻塞。 WaitGroup 计数匹配：Add 的次数必须被 Done 抵消。 Mutex 不可重入：同一 goroutine 里重复 Lock 会自我阻塞。 锁顺序一致：多把锁必须统一获取顺序，避免交叉等待。 常见出现背景（什么时候容易发生） 生产者/消费者启动顺序错位：发送先发生、接收未就绪，常见于任务队列、worker pool。 扇出/扇入未配对：启动了多个 worker，但聚合端没把结果全部读完。 pipeline 未关闭或退出信号缺失：上游结束但下游仍 range 等待。 持锁做阻塞操作：拿着锁去收/发 channel、网络 I/O、或等待另一个锁。 多锁资源交叉持有：两个 goroutine 以不同顺序拿锁，形成循环等待。 为什么会出现（根因归纳） 等待关系闭环：A 等 B，B 等 C，C 等 A，没有外力打破。 同步原语用法不成对：channel 收发未配对、WaitGroup 计数未归零。 协程生命周期不一致：生产者先退出/未 close，消费者无限等。 锁粒度/顺序不清晰：共享资源越多，锁顺序越容易失控。 A — Algorithm（题目与算法） Go 运行时判定死锁的核心逻辑是： 当主 goroutine 在等待，且所有其他 goroutine 也都在等待，并且没有任何事件能 推动程序继续执行，runtime 会直接报错并终止。 ...

副标题 / 摘要 这是“连续 1 子串计数”的标准题：用 cur 维护以当前位置结尾的连续 1 长度即可在线累加答案。本文按 ACERS 模板给出清晰模型、工程场景与多语言实现。 预计阅读时长：10~12 分钟 标签：计数、字符串、连续段 SEO 关键词：Number of Substrings With Only 1s, 连续1子串, LeetCode 1513 元描述：在线统计连续 1 子串数量的 O(n) 解法与工程化应用。 目标读者 正在刷 LeetCode / 准备面试的同学 想建立“连续段计数”模板的中级开发者 做日志分析、监控与行为统计的工程师 背景 / 动机 “只含 1 的连续子串数量”看似简单，但它对应一类非常常见的工程统计： 连续事件强度、稳定性评分、连续活跃天数、心跳连续正常等。 掌握这题等于掌握“连续段贡献计数”的可复用模型。 核心概念 连续子串：必须连续，不能跳过元素 连续段（run）：一段连续的 1 在线累加（cur 模型）：记录以当前位置结尾的连续 1 长度 取模：答案可能很大，需要取 1e9+7 A — Algorithm（题目与算法） 题目重述 给你一个二进制字符串 s，请返回 仅由字符 ‘1’ 组成的子串 的数量。 子串要求连续且非空。 输入输出 名称 类型 描述 s string 只包含 ‘0’ 和 ‘1’ 返回 int 仅含 1 的子串数量（取模） 示例 s = "0110111" 输出 = 9 解释：连续 1 段为长度 2 和 3，贡献分别为 3 和 6，总和 9。 ...

副标题 / 摘要 滑动窗口最大值是“滑动窗口 + 单调队列”的经典组合题。本文按 ACERS 模板拆解思路，给出可复用的工程做法与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、单调队列、数组 SEO 关键词：Sliding Window Maximum, 滑动窗口最大值, 单调队列, deque, O(n) 元描述：滑动窗口最大值的单调队列解法与工程应用，含复杂度分析与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“滑动窗口 + 单调队列”模板的中级开发者 做实时监控、日志分析、风控的工程师 背景 / 动机 连续窗口的最大值在工程里非常常见： 延迟监控、价格波动、温度报警、在线指标平滑等都需要“窗口最大值”。 暴力做法每次窗口重算最大值是 O(nk)，当 n 很大时会不可接受。 单调队列能把复杂度降到 O(n)，是最工程可行的方案之一。 核心概念 滑动窗口：固定长度 k 的连续区间 单调队列：队列中元素按值单调递减，队首永远是当前最大值 索引维护：用索引判断元素是否过期（离开窗口） A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组最左侧移动到最右侧。 你只能看到窗口内的 k 个数字，窗口每次右移一位。 返回每个窗口中的最大值。 输入输出 名称 类型 描述 nums int[] 整数数组 k int 窗口大小 返回 int[] 每个窗口的最大值 示例 1 nums = [1,3,-1,-3,5,3,6,7], k = 3 输出 = [3,3,5,5,6,7] 示例 2 nums = [1], k = 1 输出 = [1] C — Concepts（核心思想） 方法类型 滑动窗口 + 单调队列（Monotonic Queue）。 ...

副标题 / 摘要 这是 Hot100 专栏第 1 篇：和为 K 的子数组。本文用“前缀和 + 频次哈希表”把 O(n^2) 降到 O(n)，并按 ACERS 模板给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：Hot100、前缀和、哈希表 SEO 关键词：Subarray Sum Equals K, 和为K的子数组, 前缀和, 哈希表, O(n) 元描述：和为 K 的子数组计数问题的前缀和解法，含工程迁移、复杂度对比与多语言代码。 目标读者 正在刷 Hot100，希望建立稳定算法模板的初学者 需要把计数类算法迁移到业务数据统计的中级工程师 准备面试，想掌握“前缀和 + 哈希表”核心套路的人 背景 / 动机 “统计和为 K 的子数组数量”是最经典的计数类问题之一。 它广泛出现在日志分析、风控阈值命中、交易序列统计等场景。 朴素的两层遍历虽然直观，但一旦数据规模增大就会明显卡顿，因此需要可扩展的 O(n) 解法。 核心概念（必须理解） 子数组：数组中连续、非空的片段 前缀和：prefix[i] = nums[0..i] 的和 差分关系：若 prefix[r] - prefix[l-1] = k，则 nums[l..r] 的和为 k 频次哈希表：统计某个前缀和出现的次数，以 O(1) 均摊时间查询 A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums 和一个整数 k，请统计并返回 和为 k 的子数组 的个数。 子数组是数组中元素的连续非空序列。 ...

标题 Git 入门教程：从零开始管理代码版本 副标题 / 摘要 一篇面向新手的 Git 基础使用指南，从初始化仓库、提交版本到远程协作， 用最少命令完成日常开发流转。 目标读者 初学者：第一次接触 Git，希望快速上手基本命令。 转岗工程师：从单机开发转为团队协作，需要熟悉版本管理流程。 学生：做课程项目或实验，需要规范保存代码历史。 背景 / 动机 没有版本管理时，常见的做法是： “先复制一份目录，改完再看看哪个好用。” 这种方式很快会失控：文件版本混乱、无法回退、多人协作冲突频发。 Git 的价值在于记录每一次变更，让你随时回到过去的任意状态， 并支持多人同时开发而不互相覆盖。 核心概念 仓库（Repository）：一个包含代码与历史记录的目录。 工作区（Working Directory）：你当前编辑的文件。 暂存区（Staging Area）：等待提交的文件清单。 提交（Commit）：一次可追溯的版本快照。 远程仓库（Remote）：托管在服务器上的仓库，用于协作和备份。 实践指南 / 步骤 1️⃣ 初始化仓库 git init 2️⃣ 查看当前状态 git status 3️⃣ 把文件加入暂存区 git add . 4️⃣ 提交一次版本 git commit -m "init: first commit" 5️⃣ 绑定远程仓库并推送 git remote add origin https://example.com/your/repo.git git branch -M main git push -u origin main 协作流程（从克隆到提交） 这一部分是团队协作的核心，决定了你能否安全、稳定地和他人同步代码。 掌握这些命令，能避免覆盖同事的提交，减少冲突和返工。 ...