1. 修改 Tomcat 中的 catalina.sh 文件 部署在 Tomcat 上面的 Spring Boot 项目，在某些情况下，我们可能会修改配置文件中的参数，这样应该怎么做呢？ 传统的方式是直接在本地修改，然后打包部署，但是这种方式太麻烦了，要是我只是修改了很小的一个参数，都要重新打包，得不偿失。 于是稍微研究了一下，找到了两种方式...

Spring Boot 中的 @Scheduled 注解为定时任务提供了一种很简单的实现，只需要在注解中加上一些属性，例如 fixedRate、fixedDelay、cron（最常用）等等，并且在启动类上面加上 @EnableScheduling 注解，就可以启动一个定时任务了。

首先，我们需要一些数据来支持我们的操作，这里我采用的是使用 filebeat 来采集数据到 es ，filebeat 也是 elastic 系列的产品，专门用来收集日志文件，使用十分的简单，在官网（下载地址）下载安装包解压，然后修改一下配置文件 filebeat.yml，具体的修改如下：

Spring boot 中的 @Conditional 注解是一个不太常用到的注解，但确实非常的有用，我们知道 Spring Boot 是根据配置文件中的内容，决定是否创建 bean，以及如何创建 bean 到 Spring 容器中，而 Spring boot 自动化配置的核心控制，就是 @Conditional 注解。

一个偶然的机会，leader 让我看看关于 es 的内容，之前我还未接触过，打开官网一看，发现关于 ealstic 的组件还真是不少，当然 ealsticsearch 应该是其中最流行、最有用和最受欢迎的了，截止到今天（2019.04.05），elasticsearch 在 Github 上面已经有 39k+ star 了。所以，最近在学习它，并且也想写一点学习笔记，分享...

1. 什么是图？ 前面说完了树这种数据结构，接下来在看看一种更加复杂的非线性数据结构——图。 先看看下面图这种数据结构的图片演示吧： 像上图这样的数据结构就叫做图了，图中的每个节点叫做 顶点 ，各个顶点之间的连接关系叫做 边 ，每个顶点有多少条边，叫做这个顶点的 度 。其实图这种数据结构比较适合用来存储我们常...

一直以来，我自认为还算是一个喜欢去帮助别人的人，并且也不求得什么回报，纯粹是自己的意愿而已。以前总是喜欢捣鼓电脑，恰巧班上的同学又都是女生居多，要是他们的电脑遇到了什么问题，找到了我，我还是非常愿意帮忙的。并且事情也不算复杂，大多是给电脑装个系统，装个软件啥的，在稍微专业的同学看来，这还需要人帮...

1. 概述 前面说完了堆这种数据结构，并且讲到了它很经典的一个应用：堆排序，其实堆这种数据结构还有其他很多的应用，今天就一起来看看，主要有下列内容： 优先级队列 求 Top K 问题 求中位数 2. 优先级队列 优先级队列是一种特殊的队列，前面学习队列的时候，说到队列满足 先进先出，后进后出 的特点，优先级队列则不是...

堆是一种完全二叉树，还记得完全二叉树的定义吗？叶节点都在最底下两层，最后一层的节点都靠左排列，并且除了最后一层，其他层的节点个数都要达到最大，这种树叫做完全二叉树。

前面的文章说到了二叉树，其实今天讲的二叉搜索(查找)树就是二叉树最常用的一种形式，它支持高效的查找、插入、删除操作，它的定义是这样的：对于树中的任意一个节点，其左子节点值必须小于该节点，其右子节点必须大于该节点。例如下图中的几种树都是二叉查找树：

要知道，Spring Boot 的项目，默认是打为 jar 包的，这时候问题就来了，如果我想打成 war 包部署到 Tomcat，该怎么做呢？又是在网上找了半天的答案，质量不太好，绕来绕去没说个明白。其实还算是非常简单的，只需要大概几个步骤就行了。

前面说到了图这种非线性的数据结构，并且我使用了代码，简单演示了图是如何实现的。今天就来看看基于图的两种搜索算法，分别是广度优先搜索和深度优先搜索算法，这两个算法都十分的常见，在平常的面试当中也可能遇到。

有没有发现，其实树这种结构跟我们现实生活中的“树”非常的相似，像上图中的这棵“树”，节点 A 称作 B 和 C 的父节点，节点 B 和 C 在同一级，叫做兄弟节点。没有父节点的 A 节点叫做根节点，没有子节点的节点叫做叶子节点或叶节点，例如图中的 D E F G。

如何在 IDEA 中配置 tomcat，运行 web 项目？对这个问题找了很久的答案，各种参差不全，其实非常的简单了，网上很多人的文章搞得很复杂，完全没必要。下面是我的采坑记录，写下来帮助大家。首先，需要确保：

散列表（Hash Table）又叫做哈希表，是一种很常用的数据结构。散列表其实是基于数组实现的，可以说，没有数组就没有散列表。先来举一个简单的例子，来认识一下什么是散列表。

前面说到了二分查找，并且它是基于顺序表结构的，即数组，如果直接用于链表，时间复杂度会比较的高，是 O(logn)，一般我们不会这样做。那么有没有基于链表的二分查找呢？答案就是今天说到的跳跃链表。

前面说到了二分查找问题，看起来非常的简单，的确，前面的两种实现都不难，代码也很容易写，因为那只是最基础的二分查找问题了。今天来看看几种稍微复杂的二分查找问题：

好多人其实都知道，我大学学的是国际商务，这是一个跟计算机八竿子都打不着的专业。后来我自己学习了计算机方面的一些知识，在最开始的时候，可能大一大二的样子吧，还想着去本学校计算机专业班级蹭课，顺便多认识一些懂计算机的老师和同学。所以那时我在很多的 QQ 群里面找到了一些计算机专业的人，问他们要了课表，但...

二分查找是一种使用十分普遍的查找算法，其基本的思路也非常的简单，在一个有序的数据集合中，我们想要查找某个数据，直接取最中间的那个数据，将它和要找的数据进行比较，如果较大，则在更大的那个数值区间继续取中间值查找，反之亦然。

从早上的团队小会议开始，说说昨天做的一些事情，然后解决团队成员的实际问题，并且布置新的任务下去；遇到了问题，打电话向上级反映，说出自己的想法，商量寻求解决方案；或是直接和客户沟通，倾听意见，对需求进行更改或是提出新的需求。

前面已经说完了几种非线性排序，它们分别是时间复杂度为 O(n2) 、适合小规模数据的冒泡排序、选择排序、插入排序，和应用较广泛的时间复杂度为 O(nlogn) 的希尔排序、归并排序、快速排序。其实这几种排序都有一个特性，那就是它们都是基于数据的比较和移动，而今天介绍的这几种线性排序，他们的时间复杂度都是 O(n) ，因...

前面说完了三种较为简单的排序算法，分别是冒泡排序，选择排序和插入排序，它们的平均情况时间复杂度都是 O(n2)，比较的高，适合小规模的数据排序，其中插入排序的效率稍高，所以更推荐使用插入排序。今天再来看看另外三种时间复杂度都是 O(nlogn) 的排序算法，分别是希尔排序、归并排序和快速排序。其中后两者的应用非...

前面说到了冒泡排序，这是一种时间复杂度为 O(n2) 、是原地排序和稳定的的排序算法，具体思路是：根据相邻两个元素之间比较大小，然后交换位置，得出最后排序的结果。具体可参考我写的这一篇文章：数据结构与算法——冒泡排序，今天来看看另外两种基础的排序算法：选择排序和插入排序。

排序是很常见的算法之一，现在很多编程语言都集成了一些排序算法，比如Java 的Arrays.sort()方法，这种方式让我们可以不在乎内部实现细节而直接调用，在实际的软件开发当中也会经常使用到。但是站在开发者的角度而言，知其然必须知其所以然。多练练排序算法，不仅能够让我们知道一些排序方法的底层实现细节，更能够锻炼...

前面说完了栈，接下来再看看另一种很基础的数据结构，队列。顾名思义，队列跟我们现实生活中的排队很相似：例如我们在食堂排队打饭，先来的先打到，后来的只能一次排在后面，不允许插队。很明显，队列的操作也是受限的，插入元素（入队）只能在队尾，删除元素（出队）只能在队头。结合下面的图就很容易理解了：

大多数人，每天在工作之中做的事情，性质都是差不多的，譬如完成项目进度，完成 leader 交代的任务等等。在上班时间差不多，学习能力、执行能力差异不大的情况下，这期间每个人之间好像看不出有什么差距。而真正的差距，是在下班后的短短几个小时内体现的。

今天来看看栈这种线性数据结构，非常的基础，我举个例子你就能明白了。比如你桌子上堆放的一摞文件，最先放的在最下面，拿的时候也是最后拿，最后放的在最上面，拿的时候也先拿到。这种满足了 先进后出，后进先出 特点的数据结构，就叫做栈。相信结合上图你能够看到，栈这种数据结构，插入和删除的操作都被局限在了栈的...

记得很久以前，我在知乎上面看到过一个人的回答，讲的是他自己自学编程，最终取得较为不错的成就的故事，虽说现在这样的事情好像已经不那么为人所津津乐道了，但是在几年前的时候，我还是觉得自己心里受到了莫名的冲击，同时也得到了鼓舞。觉得别人都能够做到的，我为什么不能做到呢？

前面的文章说到了一种很基础的数据结构——链表：数据结构与算法——链表，今天就来看看关于单链表的几种常见的操作，技术笔试的时候很大概率能够遇到其中的一些。多练习一下，对我们理解链表有很大的帮助，也能够提升我们的编码能力。废话不多说，这几个练习题是：

前面说到了数组，利用连续的内存空间来存储相同类型的数据，其最大的特点是支持下标随机访问，但是删除和插入的效率很低。今天来看另一种很基础的数据结构——链表。链表不需要使用连续的内存空间，它使用指针将不连续的内存块连接起来，形成一种链式结构。