1. 数据结构与算法-计算排行榜和礼物数量
实际问题
问题：某个时间段内，直播间礼物数前十的房间获得奖励，需要在每个房间展示礼物数排行榜。
解决方法： 礼物数量存储在 Redis-zset 中，使用skiplist 使得元素整体有序；使用Redis 集群，避免单机压力过大，使用主从算法、分片算法； 保证集群原信息的稳定，使用一致性算法； 后端使用 缓存算法（LRU）降低Redis 压力，展示房间排行榜；
排序算法
最快的排序算法:
Python-timsort C++-introsort Rudst-pdqsort
Go: Go(<=1.18)-introsort
Go 1.19:
2. 经典排序算法
1)插入排序 Insertion Sort
将元素不断插入已经排序好的array 中；起始只有一个元素5，其本身就是一个有序序列，后续元素插入到有序序列中，即不断交换，直到找到第一个比其小的元素；
class Solution: def sortArray(self, nums: List[int]) -> List[int]: n = len(nums) if not nums or n==0: return [] for i in range(1,n): preIndex = i-1 current = nums[i] while preIndex >= 0 and nums[preIndex] > current: nums[preIndex + 1] = nums[preIndex] preIndex = preIndex - 1 nums[preIndex + 1] = current return nums
算法特性
时间复杂度（最好）： O ( n ) O(n) O(n); 时间复杂度（最坏）： O ( n 2 ) O(n^2) O(n2); 时间复杂度（平均）： O ( n 2 ) O(n^2) O(n2); 空间复杂度： O ( 1 ) O(1) O(1); 稳定性：稳定;
最佳情况：T(n) = O(n) 最坏情况：T(n) = O(n2) 平均情况：T(n) = O(n2);
一般来说，插入排序都采用in-place在数组上实现。 具体算法描述如下：
从第一个元素开始，该元素可以认为已经被排序； 取出下一个元素，在已经排序的元素序列中从后向前扫描； 如果该元素（已排序）大于新元素，将该元素移到下一位置； 重复步骤3，直到找到已排序的元素小于或者等于新元素的位置； 将新元素插入到该位置后； 重复步骤2~5。
2)快速排序 Quick Sort
分治思想，不断分隔序列知道序列整体有序；选定一个 pivot (轴点)，使用 pivot 分割序列，分成元素比 pivot 大和元素比 pivot 小的两个序列；
快速排序（Quicksort）是对冒泡排序的一种改进算法。由C. A. R. Hoare在1960年提出。该算法使用广泛、效率很高，是最重要的排序算法之一;
实现方法：
在数组中选一个基准数（通常为数组第一个）;将数组中小于基准数的数据移到基准数左边，大于基准数的移到右边;对于基准数左、右两边的数组，不断重复以上两个过程，直到每个子集只有一个元素，即为全部有序；
也就是：
通过多次比较和交换来实现排序，在一趟排序中把将要排序的数据分成两个独立的部分，对这两部分进行排序使得其中一部分所有数据比另一部分都要小，然后继续递归排序这两部分，最终实现所有数据有序。
首先设置一个分界值也就是基准值也称为监视哨，通过该分界值将数据分割成两部分；将大于或等于分界值的数据集中到右边，小于分界值的数据集中到左边；一趟排序过后，左边部分中各个数据元素都小于分界值，而右边部分中各数据元素都大于或等于分界值，且右边部分各数据元素皆大于左边所有数据元素；然后，左边和右边的数据可以看成两组不同的部分，重复上述1和2步骤，当左右两部分都有序时，整个数据就完成了排序；
3)堆排序 Heap Sort
利用堆的性质形成的排序算法；构造一个大顶堆，将根节点（最大元素）交换到最后一个位置，调整整个堆，如此反复；
堆排序(Heapsort)是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。
若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构，则堆实质上是满足如下性质的完全二叉树：树中任一非叶子结点的关键字均不大于（或不小于）其左右孩子（若存在）结点的关键字;对于一个小顶堆，若在输出堆顶的最小值之后， 使剩余n-1个元素的序列再次筛选形成一个堆，再输出次小值，由此反复进行，便能得到一个有序的序列，这个过程就称之为堆排序。
4)Benchmark
根据序列元素排列情况划分：
完全随机的情况 (random) ;
有序/逆序的情况 (sorted/reverse) ;
元素重复度较高的情况 (mod8) ;
在此基础上，还需要根据序列长度的划分 (16/128/1024)
