Algorithm
lc1550_存在连续三个奇数的数组
思路:
直接模拟遍历计数是否有连续三个奇数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
impl Solution {
pub fn three_consecutive_odds(arr: Vec<i32>) -> bool {
let mut count = 0;
for num in arr {
if num % 2 == 1 {
count += 1;
} else {
count = 0;
}
if count >= 3 {
return true;
}
}
false
}
}
|
Review
想要挑战现状，先找到一个“同谋者”【TED演讲】
有些传统实在是远离了现代生活，但是世俗的观念让我们很难打破，因此找到同伴，一起打破，从而改变现状。
Tips
分片singleflight.Group
Share
集成分片singleflight.Group以及思考
集成分片singleflight.Group
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
|
// 添加ShardedSingleFlight的实现
// 从 https://github.com/tarndt/shardedsingleflight/blob/master/shardedsf.go 修改
type ShardedGroup struct {
numGo int
gs []singleflight.Group
}
// 创建一个新的ShardedGroup
func NewShardedGroup(numShards int) *ShardedGroup {
if numShards <= 0 {
numShards = 32 // 默认32个分片
}
return &ShardedGroup{
numGo: numShards,
gs: make([]singleflight.Group, numShards),
}
}
// 获取分片索引的FNV-64a哈希函数
func fnv64a(key string) uint64 {
const (
offset64 = 14695981039346656037
prime64 = 1099511628211
)
hash := uint64(offset64)
for i := 0; i < len(key); i++ {
hash ^= uint64(key[i])
hash *= prime64
}
return hash
}
// 获取分片索引的简单哈希函数
func (sg *ShardedGroup) getShard(key string) int {
hash := fnv64a(key)
return int(hash % uint64(sg.numGo))
}
// Do 执行并返回给定函数的结果，保证同一key下的函数只会执行一次
func (sg *ShardedGroup) Do(key string, fn func() (interface{}, error)) (interface{}, error, bool) {
shard := sg.getShard(key)
return sg.gs[shard].Do(key, fn)
}
// 将全局变量connGroup从singleflight.Group改为ShardedGroup
var connGroup = NewShardedGroup(64) // 使用64个分片
|
singleFlight思考
按理来说。不管是单独的singleflight还是分片版本的singleflight，都应该是多个请求的单个key对应一个singleflight吧？难道不分片版本不同的key也等同一个singleflight？
标准 singleflight.Group：
不同键的请求不会等同于同一个 singleflight 请求，每个键对应独立的 call。
但所有键共享一个全局锁，高并发下锁竞争可能让你感觉“所有键都在等同一个 singleflight”，其实是锁瓶颈导致的。
分片版本的 singleflight：
每个键映射到某个分片的 singleflight.Group，同一键的请求在分片内去重，不同键可能并行处理（如果映射到不同分片）。
分片版本通过减少锁竞争显著提升高并发性能。
性能比较：
在高并发场景下，分片版本的 singleflight（或结合连接池分片）通常优于标准 singleflight.Group，因为它将锁竞争分散到多个分片。
如果你的连接池需要处理大量并发请求（例如，数百或千个 goroutine），建议使用分片版本的 singleflight 或直接实现连接池分片。
建议
测试和监控：在你的具体场景中，使用基准测试工具（如 Go 的 testing 包或 pgbench）比较标准 singleflight.Group 和分片版本的性能。关注锁竞争（通过 pprof 分析）和连接创建延迟。
分片数量：如果使用分片版本，选择合适的分片数量（例如，2-64 个，视 CPU 核心数和并发量而定）。过多的分片可能增加内存开销，过少则无法有效分散锁竞争。
哈希函数：确保哈希函数（如 FNV-64）分布均匀，避免热点分片。
结合连接池分片：如果你的应用是多租户或分布式系统，直接实现连接池分片（按租户或数据库实例），并在每个分片内使用 singleflight 去重，可能获得最佳性能。