假設a的推薦人是b，b的推薦人是c，如何來查詢a的最終推薦人呢？
這裡直接給出答案——
long
findrootrerfererid
(long actorid)
遞迴顧名思義，包含遞與歸兩個過程。我們用下面的例子來體會一下。
假設你去電影院看電影，你想知道自己坐在第幾排，所以你詢問前排的人，但前排的人有相同的困惑，他又去問他的前排，直到第一排的人明確自己坐在第幾排。然後每一排的人將結果告訴自己的後排，整個遞迴的過程就完成了。
這個小例子中，第一排是終止條件，不斷問前排的人是遞迴條件。無疑是很典型的遞迴問題，但面對遞迴問題更通常的反應是看了全會，寫了全廢。所以我們還要按部就班的學習遞迴的知識。。。
乙個問題的解可以分解為幾個子問題的解
設個問題與分解後的問題除了問題規模不同外，求解思路完全相同
存在遞迴終止條件
編寫遞迴**的核心無非就兩個：遞迴公式+終止條件。我們通過下面的小例子來理解下——
假設有n個台階，每次你自己可以跨越1個台階或者2個台階。請問走這n個台階共有多少種走法？
我們會想到，可以按照第一步的走法將問題分解為兩個子問題，也就是走一步之後的走法和走兩步之後的走法，對應的遞迴公式就是
f (n
)=f(
n−1)
+f(n
−2
)f(n) = f(n-1)+f(n-2)
f(n)=f
(n−1
)+f(
n−2)
再來確定終止條件，顯然，當只有乙個台階時就沒必要再遞迴了，也就是：
f (1
)=
1f(1)=1
f(1)=1
將這個遞迴終止條件帶入遞迴公式後，發現f(2)是無法確定的，所以終止條件還應該包含
f (2
)=
2f(2)=2
f(2)=2
表示的含義是走兩個台階有兩種走法。最後我們將其轉換為**實現——
intf(
int n)
寫遞迴**的關鍵在於找到將大問題轉化為小問題的關鍵，並且基於此寫下遞迴公式，然後再推敲遞迴終止條件，最終將遞迴公式和遞迴條件轉化為**實現。遞迴**在簡潔可讀性強的同時，卻也帶來了堆疊溢位的隱患。
之前提到過系統沒呼叫乙個函式，會將臨時變數作為棧幀壓棧，等到函式返回再彈棧。而遞迴**因為呼叫的函式層數多，在函式呼叫時不斷申請棧空間。從而導致空間複雜度不理想。
那怎樣避免呢？理想的方法是根據場景選擇遞迴，如果遞迴層數不多，則限制遞迴層數，這時使用遞迴是合適的。
在剛才走台階的例子中，就不可避免的遇到了重複計算的問題，這樣對問題的求解並沒有障礙，但並不優雅，我們要使用哈比表這樣的資料結構動態儲存每個子問題的結果。
在問題規模較大時，有什麼比較好的除錯方式——
日拱一卒，功不唐捐。
《資料結構與演算法之美》07 遞迴
一 如何理解 遞迴 遞迴是一種應用非常廣泛的演算法 或者程式設計技巧 二 遞迴的三個條件 1 乙個問題的解可以分解為幾個子問題的解 2 這個問題與分解之後的子問題，除了資料規模不同，求解思路完全一樣 3 存在遞迴終止條件 三 如何編寫遞迴 寫遞迴 最關鍵的是 找到如何將大問題分解為小問題的規律，並且...
資料結構與演算法之美 8 遞迴演算法
遞迴嚴格說起來不算一種演算法，只能說是一種問題處理思想或者問題處理技巧。只要問題同時滿足以下三個條件，就可以考慮用遞迴來解決 乙個問題的解可以分解為幾個子問題的解 這個問題與分解之後的子問題，除了資料規模不同，求解思路完全一樣 存在遞迴終止條件 個人覺得，寫遞迴 最關鍵的是寫出遞推公式，找到終止條件...
資料結構與演算法之美
什麼是資料結構？什麼是演算法 狹義重點 複雜度分析 方法 邊學邊練，適度刷題 複雜度分析 時間複雜度 常見時間複雜度 非多項式量級 非常低效的演算法 空間複雜度 漸進空間複雜度，表示演算法的儲存空間和資料規模的增長關係 最好情況時間複雜度 理想情況的時間複雜度 最壞情況時間複雜度 最糟糕的情況下的時...