2025的第一篇文章

一、开篇

By the way 好久没有写博客了，之前没有写是因为工作忙碌没有时间，在家待业了小半年，更加懒散了，不能这样下去了，即使找不到方向起码让自己活动起来，今天来就之前遇到的几个面试题来梳理一下，并且看看有没有自己缺乏的再复习一下。

1.快速排序的几种算法

其实今天也是想了解一下时间复杂度，感觉直接上理论也不太能明白，借鉴几种快速排序的算法来看懂时间复杂度

排序算法	时间复杂度	稳定性	基本思想
冒泡排序	O(n²)	稳定	它通过重复地遍历待排序的列表，比较相邻的元素并交换它们的位置来实现排序。该算法的名称来源于较小的元素会像”气泡”一样逐渐”浮”到列表的顶端
选择排序	O(n²)	不稳定	每次从待排序的数据中选择最小（或最大）的元素，放到已排序序列的末尾，直到全部数据排序完成
插入排序	O(n²)	稳定	插入排序通过构建有序序列，对于未排序的数据，在已排序序列中从后向前扫描，找到相应位置并插入
希尔排序	O(n log n)	时间复杂度	希尔排序是插入排序的一种改进版本，也称为缩小增量排序。它通过将待排序的列表分成若干子列表，对每个子列表进行插入排序，逐步缩小子列表的间隔，最终完成
归并排序	O(n log n)	稳定	归并排序的核心思想是将一个大问题分解成若干个小问题，分别解决这些小问题，然后将结果合并起来，最终得到整个问题的解
快速排序	O(n log n)	时间复杂度	定义一个基数按照递归进行排序
堆排序	O(n log n)	时间复杂度	堆排序是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序
计数排序	O(n+k)	稳定	计数排序是一种非比较型的排序算法，适用于对整数或有限范围内的数据进行排序。它的核心思想是通过统计每个元素的出现次数，然后根据统计结果将元素放回正确的位置。计数排序的时间复杂度为 O(n + k)，其中 n 是待排序元素的数量，k 是数据的范围大小。
桶排序	O(n+k)	稳定	桶排序是一种分布式排序算法，它将待排序的元素分配到若干个桶（Bucket）中，然后对每个桶中的元素进行排序，最后将所有桶中的元素按顺序合并。桶排序的核心思想是将数据分到有限数量的桶中，每个桶再分别排序（可以使用其他排序算法或递归地使用桶排序）
基数排序	O(n+k)	稳定	通过比较个位数百位数等等来排序

2.时间复杂度

在之前阅读过大话数据结构的时候我就没有看太懂这个时间复杂度，借用一下deepseek的发言来好好理解一下时间复杂度吧！

时间复杂度的定义应该是用来衡量算法运行时间长短的一个指标吧？不过它不是具体的秒或者毫秒，而是用大O符号来表示的，比如O(n)、O(log n)之类的。

---

常见的时间复杂度量级

• 常数阶O(1)

  没有循环或者复杂结构

  int i = 0;
  int j = 1;

• 对数阶O(logN)

  int i = 1;
  while(i<n>){
      i = i * 2;
  }

  从上面的代码看每次循环都会将i*2，i会按照平方的速度接近n，假设再经过x次循环后i大于n那么2^x >= n
  x = log2^n

• 线性阶O(n)

  一个数组有n个元素 循环n次 消耗时间随着n的增长而增长

• 线性对数阶O(nlogN)

  for (m=1;m<n;m++>){
  int i = 1;
  while(i<n>){
      i = i * 2;
  }
  }

  其实就是在外面加了一个线性阶

• 平方阶O(n²)

  常见的冒泡两个循环就是n^2

• 立方阶O(n³)

  三次n循环

• k次方阶O(n^k)
• 指数阶O(2^n)

3.dotnet core的依赖注入

3.1 这个在之前一次面试中有被问到过其实问出来回答都能答的出来 有单例 瞬时 作用域但是要单独拿出来说那么就感觉不清不楚的了

• 单例

  这个好理解 假设依赖注入了一个Class A 每个http请求进来拿到的这个A都是一个新的A，我这里说的是项目部署后，不同的项目部署就是不一样的了。

• 瞬时

  这个也好理解 每一次得到的Class A都是不同的

• 作用域

  这个当时就有点迷糊了，后面问过了徐子艺大牛得知按照每个http来划分作用域，比如使用dbcontext来形容，每一个请求进来都是同一个连接池，不同http进来的dbcontext都是不一样的。但是衍生出我的另一个想法，假设在一个项目中人流多，可能会有百万级别的访问量那么每一个http中的dbcontext会不会都会连接一次，这里我特地问了下chartgpt解开了我这个迷惑，一般连接是dbcontext内部的连接池来管理的，并不是每个请求都会去连接一次

4. redis的宕机问题

再简历中有写到过使用redis的锁来防止超卖的行为，但是在被问到加锁之后，redis服务宕机了锁没有释放怎么处理，其他人都进不来 只能等过期时间后自动释放锁。

5. tcp和udp的区别

TCP是面向连接的，提供可靠传输，确保数据有序且无丢失，适用于文件传输等。UDP无连接，速度快但不保证可靠性，适用于视频直播、DNS查询等需低延迟的场景。