Question

我解决了一个有趣的问题，其中对于每个用户，我想保留他最近N天的活动。这可以应用于许多用例，其中一个如此简单：

对于每个用户 - 用户可以随机进入健身房 - 我希望得到他在过去90天内到健身房的总次数。

对我来说这是一个棘手的问题。

我的想法：我想到存储一个向量，其中每个条目将决定一天，然后一个布尔值可能代表他的访问。要计算，只需对数组中该部分进行线性处理就足够了。

最好的方法是什么？

Answer 1

根据您需要的复杂程度，存储每个客户访问的简单数组应该足够了。

每次访问时，添加一个包含日期/时间的新条目。每天运行检查以查看是否有任何客户端包含超过90天的访问记录。第一条记录不够老意味着没有更多的记录需要检查，因此您可以安全地转移到下一个客户端。

希望这能帮到你！

Answer 2

你的想法会起作用，但它真的有效地节省空间吗？

你的data-structure将是这样的：一个布尔的2D向量（你可以将它想象成一个矩阵），其中每一行都是一个用户，每一列都是一天（已排序），所以它包括一个：

大小为U x N的矩阵

其中U是用户数。

要回答我最初提出的问题，你需要考虑这个矩阵将如何密集。如果它会变得很多，那么你做出了正确的选择，如果没有，那么你浪费了很多空间。你可以在这里看到权衡。

当然，你必须考虑你的用例。在健身房的例子中，我认为这不会节省空间，因为大多数人每天都不去健身房（我想），这将导致稀疏矩阵，这意味着我们浪费了空间。

另一个想法是使用单个矢量os大小N，其中日期被排序。每个条目都是单个链表，其中每个节点都是用户。

如果在一天的清单中找到了用户，则意味着他当天去了健身房。

通过这种方法，我们可以根据需要为精确分配空间，因此无论我在矩阵的情况下提到的密度如何，它都是最佳空间。

然而，这是吗？不，当然不！我讨论过空间，但时间效率怎么样？例如，搜索是我们希望我们的数据结构支持的常用方法，如果我们希望它快速的话！

在矩阵的情况下，搜索将是一个O（1）操作，这是很好的，因为访问矩阵是一个常量操作。

然而，在vector + list的情况下，搜索将采用O（L），其中L是我们的向量总共具有的列表的平均大小。

那是哪一个？这取决于你的申请！

我也会尝试哈希表，这不需要排序，节省空间（What is the space complexity of a hash table?）。

Answer 3

为每个客户提供Queue data structu个包含访问日期的元素。当客户访问健身房时，只需添加当前日期

public getHistory() {

    this.varHistoryService.getHistory(this.selectedConfig.NAME)
        .subscribe(res => {
            this.varTimeSeries = res;
            console.log(this.varTimeSeries);
        },
        errors => {
            console.log(errors);
        });
}.bind(this)

当你需要为他准备一条赛道时：

Q[ClientIdx].Add(Today)

如果标准版本不可用，您可以使用多种语言的标准Queue实现或基于数组/列表的简单实现。

请注意，每个记录都会添加和删除一次，因此每次添加/计数操作的摊销复杂度为O（1）

Answer 4

为每个用户提供具有固定大小（90）访问详细信息的队列怎么样？您可以为多个用户推广它，关键优势是您不必担心维护最近90天的数据。

您可以将队列转储到列表或数组，并在O（n）中根据需要保留。正如你所提到的，对存在号的检查也是O（n）。

编码：跟踪每个用户的最近N天记录。

4 个答案: