具體解釋如下 , **在最下面
1.10秒內通過5次 , 這條線就是佇列list，當第乙個事件進來，佇列大小是0，時間是第1秒：
2.因為size=0，小於5，都沒有到限制的次數，完全不用考慮時間視窗，直接把這次事件的時間戳放到0的位置：
3.第2.8秒的時候，第二個事件來了。因為此時size=1，還是小於5，把這次事件的時間戳放到0的位置，原來第1秒來的事件時間戳會往後移動一格：
4.陸續的又來了3個事件，佇列大小變成了5，先來的時間戳依次向後移動。此時，第6個事件來了，時間是第8秒：
5.因為size=5，不小於5，此時已經達到限制次數，以後都需要考慮時間視窗了。所以取出位置4的時間（離現在最遠的時間），和第6個事件的時間戳做比較：
6.得到的差是7秒，小於時間視窗10秒，說明在10秒內，來的事件個數大於5了，所以本次不允許通過：
7.接下來即便來上100個事件，只要時間差小於等於10秒，都同上，拒絕通過：
8.第11.1秒，第101次事件過來了。因為size=5，不小於5，所以取出位置4的時間（離現在最遠的時間），和第101個事件的時間戳做比較：
9.得到的差是10.1秒，大於時間視窗10秒，說明在10秒內，來的事件個數小於等於5了，所以本次允許通過：
10.刪除位置4的時間（離現在最遠的時間），把這次事件的時間戳放到0的位置，後面的時間戳依次向後移動：
往後再來其他事件，就是重複4-10的步驟，即可實現，在任意滑動時間視窗內，限制通過的次數
其本質思想是轉換概念，將原本問題的確定時間大小，進行次數限制。轉換成確定次數大小，進行時間限制。
package utils使用的案例:import "time"
var limitqueue map[string
]int64
varok bool
//單機時間滑動視窗限流法
func limitfreqsingle(queuename string, count uint,timewindow int64) bool
if _, ok = limitqueue[queuename]; !ok
//佇列未滿
if uint(len(limitqueue[queuename])) < count
//佇列滿了,取出最早訪問的時間
earlytime := limitqueue[queuename][0]
//說明最早期的時間還在時間視窗內,還沒過期,所以不允許通過
if currtime-earlytime <=timewindow
else
return
true
}
func limitipfreq(c *gin.context, timewindow int64, countuint) bool )
return
false
}
return
true
}
滑動視窗演算法 演算法 滑動視窗 二
演算法 這算是滑動視窗的另外乙個典型題目，在資料量比較少的時候，可以直接採用暴力法解決 不過資料量比較大的時候，我們就需要想辦法解決視窗裡面最大值的思路，這裡我們採用雙端佇列queue來實現，借助 queue來儲存前面計算過的最大值資訊。題目 解法1 暴力解法 按照 視窗大小，從頭到尾依次遍歷，將每...
演算法 滑動視窗
一.滑動視窗 滑動視窗其實就是高階版的雙指標技巧,只不過它依靠了資料結構 hashmap,hashset 的幫助,使得雙指標運用起來更加的靈活,更加的方便,他主要就是來解決子字串匹配問題。他主要的思路就是這樣的固定步驟 1 我們在字串 s 中使用雙指標中的左右指標技巧，初始化 left right ...
演算法 滑動視窗
最多可以將k個值從0變成1,因此滑動視窗的限制條件 0的數量 zeros 小於k,演算法過程如下 有乙個滑動視窗 slipper 每次都會從a中讀入乙個數 當讀入的數為0時,zeros 當zeros的數量大於k時,會取出slipper首部的元素,當取值為0時zeros 總體 如下 上述演算法效率並不...