建造者模式解决的问题主要是怎么创建一个产品，比如说一个计算机，里面有很多的零部件，我们应该要怎么组装这些零部件变成一个计算机，这个就是建造者模式解决的问题。我们经常和工厂模式相互利用，因为工厂模式解决的问题是创建一个什么对象，而怎么创建的内部细节是由建造者模式解决。为什么需要这个建造者模式呢？如果没有这个模式，我们工厂里面new出一个对象之后，就用set一个一个的设置属性，但是一旦业务需求发生变动

本篇文章就到这里结束了！！！设计模式不仅仅在我们构建架构的时候会有帮助，其实更多的时候是在读代码，可以帮我们省很多的时间帮我们搞清楚架构，这个很重要。所以希望可以帮助大家理解~~~

本篇文章到这里就结束了，这也是oatpp的第三篇文章，希望可以帮助大家更好的理解~~~

在文章的最后，还有一个细节需要被提及，就是虚拟头节点。无论是我们构建链表，还是做链表的算法题也好，虚拟头节点一直是我们无法回避的一个点，不是说没有虚拟头节点我们做不了，而是可以更加的方便，可以把所有的操作全部统一而且不需要考虑空链表报错的情况本篇文章就到这里结束了，希望可以对大家有所帮助~~~

所以开头那个问题大家会回答了吗？就是把100个数据放在内存里面，维护一个小顶堆，比堆顶大的就进来，然后重新调整堆即可不过大家可以从这个结构中看出来，大顶堆我们是把大的放在最后，所以升序排列用的是大顶堆，降序排列用的是小顶堆。这篇文章到这里就结束了！！！希望可以帮助大家理解堆排序~~~

Linux的CPU调度算法（完全公平算法）Linux的epoll多路复用这主要是因为红黑树对于平衡树的限制条件放宽了，所以可以减少调整的次数，来满足对于更多数据的存储。本篇文章主要是对于红黑树的性质做了一个陈述，而对于红黑树的代码，会在之后的文章中慢慢呈现出来。

这个数据结构对于查找的效率十分高，但是增删的代码量大家也看到了，很复杂，所以对于频繁的增删操作，对这个数据结构并不友好。而面对这种情况，我们有更加强大的数据结构，红黑树，B树，B+树。对此我们也会一一到来。本篇文章就到这里结束了，希望可以对大家的理解有所帮助。

首先我们必须要搞清楚KNN算法到底是解决什么问题的。我想我们的故事应该从机器学习的本质开始。我们机器学习就是给计算机一些样本，让计算机从这些数据中学习到一些经验，然后运用于之后地判断之中。我们计算机有很多种的学习方式，监督学习，无监督学习，半监督学习，强化学习。而其中，我们也必须掌握几个概念，一个是分类：标签值是不连续的；一个是回归：标签值是连续的。然后我们需要介绍一下机器学习的流程，这个无论到哪

首先我们必须要搞清楚KNN算法到底是解决什么问题的。我想我们的故事应该从机器学习的本质开始。我们机器学习就是给计算机一些样本，让计算机从这些数据中学习到一些经验，然后运用于之后地判断之中。我们计算机有很多种的学习方式，监督学习，无监督学习，半监督学习，强化学习。而其中，我们也必须掌握几个概念，一个是分类：标签值是不连续的；一个是回归：标签值是连续的。然后我们需要介绍一下机器学习的流程，这个无论到哪

对于KMP的next数组求解，每个人都有每个人的理解和求法，掌握自己的那一种方法就可以。但是不是只需要写出代码那么简单，就像第二题，我们需要真正理解KMPnext数组的含义，才可以把这个方法移动到其他地方。本篇文章就到这里结束了！！！希望可以帮助大家理解~~~