答案：通常包括协调节点（Coordinator）、数据节点（Data Node）、全局事务管理器（GTM）、存储引擎等，部分版本可能集成负载均衡器与监控组件。答案：确保JOIN键与分布键一致；答案：物理备份（pg_basebackup）、逻辑备份（pg_dump）、分布式备份工具（如gs_dump）。答案：哈希分片（HASH）、范围分片（RANGE）、列表分片（LIST）和复制表（REPLICAT

3. 记忆化搜索：`dfs(i, j)` 表示考虑前 `i` 个机器人，第 `i+1` 个机器人的射击方向为 `j`（0=左，1=右）时，能摧毁的最大墙壁数。- 如果右边机器人向左射（`j=0`），它的左边界 `robot[i+1] - distance[i+1]` 是硬边界。`dfs(i, 0)`第 `i` 个机器人向左射，第 `i+1` 个机器人也向左射时的最优解。`dfs(i, 1)`第 `

2. 状态设计：`dfs(i, j)` 表示考虑前 `i` 个机器人（从右往左处理），第 `i+1` 个机器人（右侧相邻）的射击方向为 `j`（0=左，1=右）时，能摧毁的最大墙壁数。- 向左射击：子弹范围 `[robot[i] - distance[i], robot[i]]`，但会被左边相邻机器人阻挡，所以左边界至少为 `robot[i-1] + 1`。# ========== 选项1：当前机

2. 状态设计：`dfs(i, j)` 表示考虑前 `i` 个机器人（从右往左处理），第 `i+1` 个机器人（右侧相邻）的射击方向为 `j`（0=左，1=右）时，能摧毁的最大墙壁数。- 向左射击：子弹范围 `[robot[i] - distance[i], robot[i]]`，但会被左边相邻机器人阻挡，所以左边界至少为 `robot[i-1] + 1`。- 向右射击：子弹范围 `[robot[

时间复杂度：`O(n log n + m log m)`，排序 `O(n log n + m log m)`，每次 `dfs` 做两次二分查找 `O(log m)`，共 `O(n)` 个状态。// 右侧邻居向左发射：其子弹从 arr[i+1][0] 向左射到 arr[i+1][0]-arr[i+1][1]// arr[i][0] = 位置, arr[i][1] = 射程。// ==========

想想就明白了：你让一个工厂生产 10 台机器，Controller 发现只在运行 7 台，就立刻安排新的；Kubernetes 就像一个自动化的“分布式工厂”，而 Kubelet、etcd、Controller 分别是现场工人、仓库账本和车间主管。它们不止各司其职，还在不停地联动，一旦任何一个出问题，全场都会“卡壳”。注意：很多集群“突然卡死”，其实不是 K8s 崩了，是 etcd 慢了、写不进了

key的数量越多，这个遍历过程越长，在SAVE期间会阻塞，BGSAVE则会导致fork时间变长（copy-on-write内存开销大）。Redis能轻松处理百万甚至千万级的key，但“key的数量”本身并不是性能的直接杀手，伴随而来的内存元数据开销、不合理的数据结构设计、以及对大量key的批量操作才是。· SCAN命令：虽然SCAN是非阻塞的，但在key数量巨大时，完成一次完整的迭代可能需要多次调

" (空闲: " .. idle .. "秒, 大小: " .. memory .. "字节)")redis.log(redis.LOG_NOTICE, "已删除 " .. deleted .. " 个key")redis.log(redis.LOG_WARNING, "候选key: " .. key ..echo "发现大key: $key (类型: $key_type, 大小: $memory

只向右/下合并：避免重复操作（比如 (0,0) 和 (0,1) 合并后，(0,1) 就不需要再和 (0,0) 合并了）。4. 最终岛屿数 = 所有 '1' 的数量 - 合并次数，或者更简单：统计并查集中根节点的数量（仅限 '1' 的位置）。- 统计根节点：只有 '1' 的位置才可能是岛屿的一部分，所以只在这些位置检查 find(idx) == idx。给定一个由 '1'（陆地）和 '0'（水）组成

**ClusterIP**：Pod 访问 Service 的 ClusterIP 时，流量通过 `kube-proxy` 生成的 iptables/IPVS 规则负载均衡到后端 Pod。| **特性**| **Flannel**| **Calico**|Pod 间直接通过 IP 通信，无需 NAT。- **同节点通信**：通过 `veth pair` 和 Linux 网桥（如 `cbr0`）直接转