Shannon's Blog 🐟 技術 | 生活 | 旅行

前言 這裡是我寫Leetcode總結核心概念的地方，不同的情境會使用到的武器不同，這裡我會描述在什麼樣的情境滿足下，適合的資料結構或是演算法。而這個演算法的核心概念是什麼，同時我也會紀錄一些我在刷題時的心得，以及刷題的時間，來慢慢看到成長與進步。 Leetcode時間紀錄 Hash Table 情境1: 快速找元素 通常使用 Hash 的關鍵在於要用 O(1) 的時間複雜度來查找元素，這樣就可以不用遍歷整個 list 從 O(n) 變成 O(1) 的時間內完成整個問題。 相關題目： leetcode-1-two-sum: 給定一個 target 數值，從 list 中找到兩個數字相加等於 target leetcode-12-integer-to-roman: 整數轉羅馬數字 leetcode-13-roman-to-integer: 羅馬數字轉整數 情境2: 比對無序的東西 如果要比對兩個無序的東西，像是兩個字串是否是 Anagram，這時候可以使用 Hash 來記錄每個字元出現的次數，然後比對兩個 Hash 是否相同。 相關題目： leetcode-49-group ...

介紹 Replication Controller：確保有「固定數量」的 Pod 在運行。 ReplicaSet：和 Replication Controller 類似，但更靈活，可使用標籤篩選Pod，負責管理 Pod 的數量。 Deployment：管理和控制 ReplicaSet，讓你可以輕鬆升級、回滾和更新 Pod。 DaemonSet：確保每一台機器上都運行一個 Pod，適用於需要在每個 Node 上執行的服務。 Replication Controller Replication Controller (RC) Replication Controller 就像是一個「監視員」，它的工作是確保 Kubernetes 集群中有指定數量的 Pod 在運行。 想像你開了一家餐廳，你希望廚房裡總是有 3 位廚師在工作。Replication Controller 就是那個一直在監視廚房的人，如果發現少了廚師（Pod 故障了），它就會立刻找一個新的來補上。 同樣地，如果多出來的廚師（Pod）不需要，Replication Controller 也會請多餘的廚師離開，確保始終保 ...

前言 如果你需要在Kubernetes上搭建EFK日志收集系統，這篇文章將會是你的最佳選擇。本篇文章將會帶你一步一步的搭建EFK日誌收集系統，並且會分享一些踩坑紀錄。整個文章的蓋架構如下： 從上圖來看，這就是我們要搭建的EFK日誌收集系統。主要有以下工作： 建立 NFS Provisioner 服務: 因為我們希望每次加入一個節點於Kubernetes集群時，都能夠自動在新的節點中建立ElasticSearch，也就是說每個節點都會有一個ElasticSearch駐守，而這群ElasticSearch會形成一個叢集。 然而，每個ElasticSearch都需要儲存資料，因此我們需要一個共享的儲存空間，這個共享的儲存空間就是NFS。 而NFS Provisioner就是可以根據ElasticSearch建立起時，發送一個NFS PVC，那Provisioner就會根據PVC建立一個NFS PV，並且將PV掛載到ElasticSearch的Pod中。 建立 ElasticSearch: ElasticSearch是一個分散式的搜尋引擎，我們將會在Kubernetes上建立一個E ...

0 介紹 因為非常好奇通常怎麼在Kubernetes環境中建置CI/CD環境，因此我決定自己動手試試看，這篇文章將會介紹如何在Kubernetes中建置CI/CD環境，我們將會使用GitLab CI來建置CI環境，並且使用Argo CD來建置CD環境。 前提概要 在開始本篇文章前，我們假設你已經間至少以下環境： Kubernetes 集群中的多個節點 已經安裝好 GitLab 已經在 Kubernetes 中建置好GitLKab Runner，詳細可以參考GitLab Runner Helm Chart GitLab, Harbor 建置 如果 2 還沒建置好，可以參考以下連結，會教你如何建置Harbor、GitLab：https://github.com/ShannonHung/VMWare-CICD/tree/main/CICD GitLab Runner 建置 如果 3 還沒建置好，可以參考以下連結，會教你如何建置GitLab Runner：https://docs.gitlab.com/runner/install/kubernetes.html 123helm repo ...

介紹 Kubernetes 中的 Service 是一種資源，說他是資源是因為它是一種 Kubernetes 提供的 API 物件，通過描述和管理網路訪問來控制 Pods 的互動和連接方式。而Service用於將一組執行相同工作的容器 (Pods) 暴露為一個網路服務。 其存在的主要目的是提供一個穩定的網路介面 讓應用程序或其他 Pods 能夠方便地相互通訊，即使 Pod 隨著時間可能會發生變化（例如重新啟動、擴展或縮減）。更具體一點，Service可以達到以下功能： 提供固定的訪問入口：Pods 是動態的，IP 可能會變動，但 Service 會提供一個固定的 IP 和 DNS 名稱，讓其他服務或應用可以持續連接，不受 Pods IP 變化的影響。 負載平衡：當多個 Pods 提供相同的功能時，Service 會自動分配流量給這些 Pods，確保請求被平均分配，避免單個 Pod 承受過多壓力。 解耦：Service 將應用程序的網路流量相關設定 與 Pod 的具體運行位置分離。簡單來說，你設定好Service之後，不管你擴展、縮減或是重新部署Pods，Service 都會自動根據你 ...

1 題目描述 有一個linked list，要求將linked list中小於x的node放在前面，大於等於x的node放在後面。 2 解法 這題不難，可以直接使用兩個linked list，一個是小於x的linked list，一個是大於等於x的linked list，最後再將兩個linked list合併即可。 123456789101112131415161718192021222324252627282930class Solution: def partition(self, head: Optional[ListNode], x: int) -> Optional[ListNode]: # 建立兩個虛擬頭節點，分別用於小於x的節點和大於等於x的節點 small_head = ListNode(0) large_head = ListNode(0) # 當前指針指向小鏈表和大鏈表的頭節點 small = small_head large = large_head ...

1 題目描述 給定一個鍊錶，將鍊錶向右旋轉 k 步，其中 k 是非負數。 2 解法 看到這個題目的時候，有想到如果今天k很大，這個linked list多少步驟會回到原本的樣子？基本上是當 k 是 鍊錶長度的倍數時，鍊錶會回到原本的樣子，因此我們可以先計算出鍊錶的長度，然後取餘數，這樣就可以得到我們要旋轉的步數。 當last.next是空的時候，表示觸底 12345678# 先計算長度last, count = head, 1while (last.next): count += 1 last = last.next# 重新計算k取餘數k = k % count 接下來如果k是2，代表最後面的兩個node會被擠到最前面，因此我們主要有兩個步驟： 找到last，把last跟head連接起來 找到新的head，把新head的前一個node的next設為None 12345678910# 找到last，把last跟head連接起來last.next = head# 找到新head的前一個node （從上圖例子為4)tmp = headfor _ in range(c ...

1 題目描述 檢查一個數獨是否合法，合法的數獨滿足以下條件： 每一行的數字都是1-9，且不重複 每一列的數字都是1-9，且不重複 每一個3x3的小格子裡的數字都是1-9，且不重複 注意：不用檢查數獨是否有解，只需要檢查數獨是否合法。 2 解法 其實思路很簡單，我們看到需要滿足的三個條件，就可以分別實現這三個條件的檢查函數，然後分別檢查即可。 但是在這之前你會發現這三個條件都有個共通點就是數字不重複，所以我們可以針對此設計一個不重複的檢查函數。 不重複 透過set的特定把重複的移除，然後比較移除"."後的長度是否相等即可。 1234def check_unique(nums): # 移除'.'的數組 nums = [num for num in nums if num != '.'] return len(set(nums)) == len(nums) 檢查row 12345def check_row(board): for row in board: if not check ...

1 題目描述 會提供words跟s，要求找出s中所有words的連續子串的起始索引。 2 解法 2.1 一個個慢慢找 我們從i=0開始檢查，取s[i:i+word_len]叫做word（圖片橘色部分） 有一個word_dic負責紀錄要求，也就是words中的word的數量 有一個seen負責紀錄已經看過且是word_dic的word，可以用來與word_dic比較判斷當前的window是否滿足狀況 擴展window的條件： 基本上擴展window的時機點是透過count的移動來移動window，但是何時要移動count呢？ 當前的word是合法的條件？ 當前的word是word_dic中的word 當前的seen[word]小於word_dic[word] word 合法之後要做哪些工作？ count要+1，count用來計算start的位置以及判斷是否滿足word_dic的數量要求 紀錄i的時機 當我們發現滿足count等於len(words)時，代表我們找到了一個合法的window，這時候要紀錄i的位置 因為count只會在word合法的時候+1， ...

1 題目描述 找到一個subarray的和大於等於target，並且這個subarray的長度是最小的。 subarray是指連續非空的元素。 題目要求時間複雜度為O(N)。 2 解法 因為要找出最小長度，基本上就是找到一組window大小為最小，但是同時滿足>=target的條件。因為nums是無序的，所以一定是要遍歷一次，因此時間複雜度是O(N)。 老樣子，Sliding Window 就是需要定義出以下狀況： 何時停止擴展？ 我們希望當前的window >= target時，停止擴展 在還沒超過target之前，我們會一直擴展window right 指針會一直往右移動 處理當前window的時機？ 因為接下來我們要開始收縮window找找看有沒有更小的window 計算當前window的總和數，以及當前window的長度是否有小於最小長度 何時收縮window？ 如果發現當前window的總和數 >= target，就開始收縮window 移動left指針，並且更新當前window的總和數 當當前window的總和數 < target ...