【数据结构】 常见的八大排序算法

概述

排序有内部排序和外部排序,内部排序是数据记录在内存中进行排序,这里八大排序就是内部排序,指直接插入,希尔,选择,堆排,冒泡,快排,归并,计数。

下面让我们来共同学习这八大排序吧!🤗🤗🤗

什么是外部排序:

外排序是数据量较大,内存放不下,数据放到外部磁盘空间,一般使用归并排序进行外排序

假设内存为512m,给10亿个数据,然后内存每次读取512m的数据,排序完成后返回给磁盘,然后重复这个过程,直到拍完,然后外部的小文件,再经过归并,即可得到一个有序的数据.        


目录

概述

 一、插入排序

1、直接插入排序

2、希尔排序 

二、选择排序

1、直接选择排序

2、堆排序

 

 三、交换排序

1、冒泡排序

2、快速排序

2.1 hoare版本

2.2 挖坑法

2.3 前后指针法

2.4 快排非递归版

四、归并排序

1、归并排序递归版

2、递归排序非递归版

五、计数排序 - 非比较排序

六、对排序的分析总结

什么是排序的稳定性: 

排序算法复杂度及稳定性总结:


 一、插入排序

1、直接插入排序

基本思想:

把待排序的记录按其关键码值的大小逐个插入到一个已经排好序的有序序列中(我们假设有序),直到所有的记录插入完为止,得到一个新的有序序列。就像是我们玩扑克牌时按顺序大小整理好牌的过程

动图展示 :

插入排序
直接插入排序

实现代码: 

void InsertSort(int* arr, int n)
{//我们默认序列有序,从一个数据开始,即只有一个数据有序for (int i = 0; i < n - 1; i++) // 最后一个插入数据下标为n-1,此次end下标为n-2{int end = i; //end标记当前有序序列的最后一个位置下标int tmp = arr[end + 1];// 要插入的数据的位置为end后面while (end >= 0) //利用end来进行单趟遍历排序{//升序if (arr[end] > tmp) //若原数据比插入数据大,则后移一位{arr[end + 1] = arr[end]; end--;  //向前遍历,进行数据排序}else  //原数据小于插入数据,直接break{break;}}arr[end + 1] = tmp; }
}

相关分析 :

对于插入排序:

时间复杂度

  • 最坏:逆序  (计算类似等差数列)  --O(N^2)
  • 最好:顺序   (数据有序)               ---O(N)
待排序元素集合越接近有序,直接插入排序算法的时间效率越高

2、希尔排序 

 希尔排序是1959 年由D.L.Shell 提出来的,相对直接插入排序有较大的改进。希尔排序又叫缩小增量排序.。希尔排序是对直接插入排序的优化。

基本思想: 

  • 希尔排序 = 预排序(分组插入排序) + 直接插入排序(最后一次为整体排序)
  • 我们先选定一个整数gap,间隔为Gap的数据为一组,然后对这组数据进行排序(预排序),再分组,再排,直到数组被分完.
  • 将Gap减小,继续分组,排序.
  • 最后Gap设为1,此时数据基本有序,即进行直接插入排序,得到有序数组

动图展示: 

希尔排序

 代码实现:

void ShellSort(int* arr, int n)
{//多组预排,插排int gap = n; while (gap > 1) //当gap为1时,最后一次为直接插入排序,循环结束{gap = gap / 3 + 1; //除3能保证最后一次分组 gap == 1,即进行直接插入排序for (int i = 0; i < n - gap; ++i) //++i实现gap组并排,减少循环调用{int end = i; //end 为最后一个有效数据下标int tmp = arr[end + gap];while (end>=0) //希尔的单趟排序实现{if (arr[end] > tmp){arr[end + gap] = arr[end];end -= gap;}else{break;}}arr[end + gap] = tmp;}}
}

 相关分析:

  1. 希尔排序对直接插入排序的优化在于:优化了直接插入排序对逆序数据排序效率很差的缺点。我们将数据进行了一个gap分组,然后进行组预排序,这样下来数据会越来越接近有序,等到最后一次排序的时候,我们无需进行大量的数据遍历,只需遍历个别不满足升序的数据即可。这样希尔排序效率就会比直接插入排序高很多。
  2. 对于希尔排序的时间复杂度:计算是不好计算的,需要进行数学推导,推导出来平均时间复杂度: O(N^1.3—N^2)

二、选择排序

1、直接选择排序

基本思想:

每次将数组遍历一遍,在数组[0,n]中选取最小(最大)的数,存放在序列的起始(或者末尾)位置,在[1,n-1]再次遍历选取,交换,缩减,直到全部待排序的数据元素排完

优化版:每次遍历待排序数据找出最大和最小的数据,分别排列到序列起始和末尾

动图展示: 

选择排序

 代码实现:

void Swap(int* p1, int* p2)
{int* tmp = *p1;*p1 = *p2;*p2 = *tmp;
}
//一般版
void SelectSort(int* a, int n)
{int begin = 0, end = n - 1;while (begin<end){int min = begin;for (int i = begin; i <= end; i++){if (a[i] < a[min]) //遍历最小数据并记录下标min = i;}Swap(&a[begin], &a[min]);begin++; //缩小范围}
}//优化版
void SelectSort(int* a, int n)
{int begin = 0, end = n - 1;while (begin < end){int max = begin, min = begin;for (int i = begin; i <= end; i++){if (a[i] > a[max])max = i;if (a[i] < a[min])min = i;}if (begin == max) //若最大数据在begin位置,与begin下标重合,则需进行修正max = min;Swap(&a[begin], &a[min]); //进行交换Swap(&a[end], &a[max]);begin++;end--; //接着缩小遍历范围}
}

相关分析:

直接选择排序思考非常好理解,但是效率不是很好。实际中很少使用。其稳定性也较差

2、堆排序

基本思想: 

学过二叉树我们知道堆排序是指利用堆(数据结构)进行选择数据的一种排序算法。在已经建好堆的情况下,升序建大堆,降序建小堆,通过堆来选择数据,向下调整算法,得到小数(大数),然后再与堆底数据进行交换。每重新调整堆时,传给向下调整算法的数组个数要减1,数组的最后一个元素已经变得有序了,因此不需要我们调整了。

图示(大堆排序): 

 

大堆排序

 代码实现:

void Adjustdown(int* a, int n, int parent)
{int child = parent * 2 + 1; //首先假设最大孩子为左孩子while (child < n){//找到数据大的子结点if (child + 1 < n && a[child + 1] > a[child])  //可能父节点没有右孩子{++child; }//父节点数据小于子节点就交换if (a[parent] < a[child]) //大堆调整{Swap(&a[parent], &a[child]);//更新下标parent = child;child = parent * 2 + 1;}else//否则直接breakbreak;}
}// 堆排序(升序)
void HeapSort(int* a, int n)
{int i;for (i = (n - 1 - 1) / 2; i >= 0; i--){Adjustdown(a, n, i);}//交换调整for (i = n - 1; i >= 0; i--){Swap(&a[0], &a[i]);//与当前堆尾数据交换Adjustdown(a, i, 0);//对交换后堆顶数据进行向下调整}
}

相关分析:

  • 堆排序使用堆来选数,效率就会高出很多
  • 核心向下调整算法是实现排序的精髓,建堆同样用到

 三、交换排序

1、冒泡排序

基本思想:

 每次遍历待排序数组,对相邻数据进行比较,将值较大的数据向序列尾部移动,值较小的数据向序列前部移动。

动图展示: 

冒泡排序

 代码实现:

void Bubblesort(int* a, int n)
{for (int i = 0; i < n; i++)//遍历次数{for (int j = 0; j < n - i - 1; j++)//向后冒泡 ,控制边界 {if (a[j] > a[j + 1])//如果前一个值大于后一个值,交换. {swap(&a[j], &a[j + 1]);}}}
}
//优化
void BubbleSort(int* a, int n)
{for (int j = 0; j < n; ++j){int exchange = 0;for (int i = 1; i < n-j; ++i){if (a[i - 1] > a[i]){Swap(&a[i - 1], &a[i]);exchange = 1;}}// 一趟冒泡过程中,没有发生交换,说明已经有序了,不需要再处理if (exchange == 0){break;}}
}

相关分析:

我们可以做一个简单的优化,如果我们排序的某一趟每个元素都不用交换,则说明要排序的元素已经有序,那么后面的排序就可以直接跳出循环了。

2、快速排序

2.1 hoare版本

基本思想:

我们将左边值设为key,然后右边right先走,找小的,比key小停下来,然后左边left走找比key大,然后交换左边右边,继续上述过程,直至left和right相遇,此时的值一定是比key小的值,我们再把key和这个相遇位置的值进行交换,此时key所在的位置,左边的数据一定比key值小,右边的数据一定比key值大,即key放到了合适的位置上。重复此过程进行递归,直至所有的元素都处在合适位置。

动图展示:

hoare版

 代码实现:

int HoareSort(int* arr, int left, int right)
{int key = left; //我们默认key为左边值while (left < right){while (left < right && arr[right] >= arr[key]) //找小{right--;}while (left < right && arr[left] <= arr[key]) //找大{left++;}Swap(&arr[left], &arr[right]);}Swap(&arr[key], &arr[left]);key = left;return key; 
}void QuickSort(int* arr, int begin, int end)  //快排hoare版{if (begin >= end)//递归结束条件{return;}int key = HoareSort(arr, begin, end);QuickSort(arr, begin, key - 1); //递归key左边数组排序QuickSort(arr, key + 1, end); //递归key右边数组排序}

相关分析:

Hoare版本的快排需要注意的地方挺多的:

  • 如果key后面的每个数都比key小或大的话,那left向后面找或right向前面找,会产生越界访问的问题,所以我们选择在if语句的判断部分逻辑与&&保证left小于right,以免产生越界访问的问题。
  •  在if语句的判断部分,找的数据一定得比key小或大的。因为若相等会产生死循环。

对次的优化: 

我们可以对key值的选取进行优化,采用三数取中法让我们选取的key数据在序列中的位置尽量靠中间,以提高递归的效率。同时,递归建立的栈帧数量会随着递归深度的增加而增加,为了避免递归深度太深,造成栈溢出的问题。我们采用小区间优化,当递归区间的数据量较小的时候,采用直接插入法进行排序。

相关代码:

//三数取中
int GetMidIndex(int *arr, int begin, int end)
{int mid = (begin + end) / 2;if (arr[begin] > arr[end]){if (arr[end] > arr[mid]){return end;}else if (arr[begin] < arr[mid]){return begin;}else{return mid;}}else// arr[begin] < arr[end]{if (arr[mid] < arr[begin]){return begin;}else if (arr[end] > arr[mid]){return mid;}else{return end;}}
}
//对小区间优化
void QuickSort(int* arr, int begin, int end)
{if ((end - begin) < 1)//递归结束条件{return;}if ((end - begin + 1) < 15){InsertSort(arr + begin, end - begin + 1);}else{int key = PartSort1(arr, begin, end);QuickSort(arr, begin, key - 1);QuickSort(arr, key + 1, end);}
}

2.2 挖坑法

基本思想:

挖坑法对hoare的思想进行了优化。我们设定key数组左边第一个值为坑,右边right找小,找到比key小的值填到坑位,right就成为新的坑位,然后左边left找大,找到后填到坑位上,left此时更新为新的坑位,循环此过程,right接着找小,left找大,交换形成新的坑位,直至left和right相遇。最后把key放到坑里,即类似于hoare版本key应处于的位置。

动图展示:

代码实现: 

int QuickSort2(int* arr, int left, int right) //快速排序挖坑法
{int mid = GetMidIndex(arr, left, right); //三数取中Swap(&arr[left], &arr[mid]);使中间值永远在最左,便于决定谁先走int hole = left; //对key值保存int key = arr[left];//保存坑位下标while (left < right){while (left < right && arr[right] >= key) //右边找小{--right;}arr[hole] = arr[right]; //填坑hole = right;while (left < right && arr[left] <= key) //左边找大{++left;}arr[hole] = arr[left];//填坑hole = left;}arr[hole] = key; //相遇时return hole;
}

相关分析:

需要进行坑位的位置更新

2.3 前后指针法

基本思想:

我们定义两个指针cur和prev,选取key值,cur去遍历小于key的值,对prev++,交换cur与prev值,直至cur遍历完整个数组,prev位置的值一定是比key值小的,即key应处的正确位置

动图展示:

前后指针法

 代码实现:

int QuickSort3(int* arr, int left, int right) //前后指针版
{int mid = GetMidIndex(arr, left, right);Swap(&arr[left], &arr[mid]);int key = left; int prev = left, cur = left + 1; //初始化前后指针while (cur <= right){if (arr[cur] < arr[key] && ++prev != cur)//逻辑与防止交换同一个位置的元素{Swap(&arr[cur], &arr[++prev]);}cur++;}Swap(&arr[key], &arr[prev]);//遍历结束将key值放在定位点return prev;
}

相关分析:

++prev!=cur 是对防止同一位置元素进行交换的简单优化,实际中,前后指针法推荐掌握,简单理解易于操控。

对前后指针法的优化:

在数据量极大的情况下,会出现很多相同的数据,此时进行快排,会建立很多栈帧,造成递归深度太深,运行时间过长,对于那些相同的数据我们采用三指针法进行优化

我们定义left,right,cur三个下标,利用cur对序列的遍历,找出大于key,等于key,小于key的三种值,将他们交换到left和right下标位置,将等于key值的数据集中到数组区间中部,然后继续递归剩余的左右区间,直至排序完成。

相关代码: 

void _QuickSort3(int* arr, int begin, int end) //前后指针法优化:三指针法
{if (begin >= end){return;}if ((end - begin + 1) < 15){InsertSort(arr + begin, end - begin + 1);}else{int mid = GetMidIndex(arr, begin, end);Swap(&arr[begin], &arr[mid]);int key = arr[begin];int left = begin, right = end, cur = begin + 1;while (cur <= right){if (arr[cur] < key){Swap(&arr[left], &arr[cur]);left++;cur++;}else if (arr[cur] > key){Swap(&arr[cur], &arr[right]);right--;}else//arr[cur]==key时{cur++;}}QuickSortPlus(arr, begin, left - 1);QuickSortPlus(arr, right + 1, end);}}

2.4 快排非递归版

基本思想:

对于非递归版的实现,因为递归函数在内存实际上是在栈中进行开辟函数栈帧,延用递归中的思想,这里我们采用数据结构中的来模拟内存中的栈,从而实现快排的非递归。

代码实现:

void QuickSortNonR(int* arr, int begin, int end) // 快速排序 非递归实现
{ST st; //首先构建一个栈StackInit(&st);StackPush(&st, begin); //将左右区间入栈StackPush(&st, end);while (!StackEmpty(&st)){int right = StackTop(&st);StackPop(&st);int left = StackTop(&st);StackPop(&st);int key = QuickSort3(arr, left, right); //排序:利用上面的前后指针法进行排序// [begin,key-1]  [key+1,end]if (key + 1 < right)//key+1==right说明区间只剩一个值时,则可以认为有序{StackPush(&st, key + 1);StackPush(&st, right);}if (left < key - 1){StackPush(&st, left);StackPush(&st, key - 1);}}StackDestroy(&st); //栈销毁
}

四、归并排序

1、归并排序递归版

基本思想:

归并排序(MERGE-SORT)是建立在归并操作上的一种有效的排序算法,该算法是采用分治法。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。通过递归实现对小数组有序,再返回回来。

动图展示:

归并排序

归并排序

 代码实现:

void _MergeSort(int* arr, int begin, int end, int* tmp) //归并排序
{if (begin >= end) //只有一个元素或没有元素为有序{return;}int mid = (begin + end) / 2;_MergeSort(arr, begin, mid, tmp);_MergeSort(arr, mid + 1, end, tmp);//左区间和右区间有序后开始归并int i = begin;int begin1 = begin, end1 = mid;int begin2 = mid + 1, end2 = end;while (begin1 <= end1 && begin2 <= end2){if (arr[begin1] <= arr[begin2])//升序{tmp[i++] = arr[begin1++];}else{tmp[i++] = arr[begin2++];}}while (begin1 <= end1){tmp[i++] = arr[begin1++];}while (begin2 <= end2){tmp[i++] = arr[begin2++];}memcpy(arr + begin, tmp + begin, sizeof(int) * (end - begin + 1));//拷贝回数组arr
}
void MergeSort(int* arr, int begin, int end)
{int* tmp = (int*)malloc(sizeof(int) * (end - begin));//创建暂存数据数组,以保存归并好的数据_MergeSort(arr, begin, end - 1, tmp);free(tmp);//释放tmp = NULL;
}

相关分析:

归并的缺点在于需要O(N)的空间复杂度,归并排序的思考更多的是解决在磁盘中的外排序问题。

2、递归排序非递归版

基本思想:

因为递归实现过程就是分治,只不过非递归不用递归返回,我们可以不借助其他数据结构,直接对序列进行归并排序,这里主要采用循环:

void MergeSortNonR(int* a, int n) //归并排序非递归版
{int* tmp = (int*)malloc(sizeof(int) * n);if (tmp == NULL){perror("malloc fail");exit(-1);}int gap = 1;//定义数组归并距离//(初始gap为1即每个数组只有一个元素,此时每个数组都为有序数组)while (gap < n)//归并趟次{for (int i = 0; i < n; i += gap * 2)//分组归并{//划分区间int begin1 = i, end1 = i + gap - 1;int begin2 = i + gap, end2 = i + 2 * gap - 1;//判断越界的情况//这种情况不用考虑归并(已经有序)if (end1 >= n || begin2 >= n){break;}//这种情况需要归并if (end2 >= n){end2 = n - 1;}//归并int p = i;while (begin1 <= end1 && begin2 <= end2){if (a[begin1] < a[begin2]){tmp[p++] = a[begin1++];}else{tmp[p++] = a[begin2++];}}while (begin1 <= end1){tmp[p++] = a[begin1++];}while (begin2 <= end2){tmp[p++] = a[begin2++];}//拷贝排序后数据到原数组for (int j = i; j <= end2; j++){a[j] = tmp[j];}}gap *= 2;}free(tmp);//释放tmp = NULL;
}

相关分析:

对于越界情况我们可以直接break掉,拷贝的时候我们只能在for循环里面进行拷贝,也就是部分拷贝,防止在for循环外面进行拷贝的话,arr中会出现随机值的情况。


五、计数排序 - 非比较排序

计数排序基本思想:

  •  统计相同元素出现次数:在排序数组中找到最大最小的数据,算出对应范围(max - min +1)并创建对应长度个数组用来计数(相对位置遍历一次+1),遍历排序数组
  • 根据统计的结果将序列回收到原来的序列中:根据每个出现的数据值与计数数组下标构建的相对映射关系进行统计数据出现次数,最后将统计的出的数据按次序赋值给原数组
  • 我们总共需要遍历三遍数组

动图展示: 

计数排序

 代码实现:

void CountSort(int* a, int n) //计数排序
{//遍历找出数组最大最小值(算出范围)int max = a[0], min = a[0];for (int i = 1; i < n; i++){if (a[i] > max)max = a[i];if (a[i] < min)min = a[i];}int range = max - min + 1;//开辟对应长度个计数数组int* count = (int*)malloc(sizeof(int) * range);if (count == NULL){perror("malloc fail");exit(-1);}//初始化数组计数为0memset(count, 0, sizeof(int) * range);//遍历计数据出现次数for (int i = 0; i < n; i++){count[a[i] - min]++;//a[i] - min:数据与下标构成的相对映射关系}//排入原数组int p = 0;for (int i = 0; i < range; i++){while (count[i]--){a[p++] = i + min;}}free(count);//释放内存count = NULL;
}

相关分析:

在数据较为集中的情况下,计数排序的性能是很好的,因为N大于range的话,其时间复杂度就是O(N)。缺点是:1、适用于数据集中的情况,数据分散会浪费空间 2、只适用于整型数据的排序


六、对排序的分析总结

什么是排序的稳定性: 

如果在某个排序算法在排序过程中,没有打乱原有序列中相同数据的相对位置关系,我们就称这个算法是稳定的。

像是希尔排序,相同的数据可能被预排序到不同的组,不能保证排序的稳定性;像是冒泡排序是从左到右进行比较排序,相同数据的相对位置关系不会发生改变,因此排序是稳定的。

排序算法复杂度及稳定性总结:

 思维导图:

总结:总体来说插入排序,选择排序,冒泡排序是低一级水平的排序算法,希尔排序,堆排序,归并排序和快速排序是高一级别的排序各有优缺点,最后计数排序效率非常高,但有一定局限性。

💙欢迎大家批评指正 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/310711.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

跨域是什么,如何解决跨域

文章目录 前言一、 什么是跨域&#xff1f;二、常见跨域问题三、如何解决跨域JSONP 和 CORS 跨域原理如何解决跨域&#xff08;方式&#xff09;前端解决跨域问题CORS反向代理JSONP 总结 前言 跨域是在开发中经常遇到的问题&#xff0c;那什么是跨域呢&#xff1f;及常见跨域的…

Spring Cloud Gateway + Nacos 实现动态路由

1、maven 依赖 主要依赖 <!-- 网关 --><dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-gateway</artifactId></dependency>案件差不多完整主要依赖 <!--Spring boot 依赖(微服务基…

Qt 5.9.4 转 Qt 6.6.1 遇到的问题总结(一)

最近公司对大家的开发的硬件环境进行了升级&#xff0c;电脑主机的配置、显示器&#xff08;两台大屏显示器&#xff09;变得的逼格高多了。既然电脑上的开发环境都需要重装&#xff0c;就打算把开发环境也升级到最新版本&#xff0c;要用就用最新版本。下面对升级后的开发环境…

10 款顶级的免费U盘数据恢复软件(2024 年 更新)

你曾经遇到过U盘无法访问的情况吗&#xff1f;现在我们教你如何恢复数据。 在信息时代&#xff0c;数据丢失往往会造成巨大的困扰。而USB闪存驱动器作为我们常用的数据存储设备&#xff0c;其重要性不言而喻。但是&#xff0c;U盘也可能会出现各种问题&#xff0c;如无法访问、…

C语言-第十七周做题总结-数组2

id&#xff1a;464 A.求矩阵各行元素之和 题目描述 本题要求编写程序&#xff0c;求一个给定的mn矩阵各行元素之和。 输入 输入第一行给出两个正整数m和n&#xff08;1≤m, n≤6&#xff09;。随后m行&#xff0c;每行给出n个整数&#xff0c;其间以空格分隔。 输出 每行…

3DV 2024 Oral | SlimmeRF:可动态压缩辐射场,实现模型大小和建模精度的灵活权衡

目前大多数NeRF模型要么通过使用大型模型来实现高精度&#xff0c;要么通过牺牲精度来节省内存资源。这使得任何单一模型的适用范围受到局限&#xff0c;因为高精度模型可能无法适应低内存设备&#xff0c;而内存高效模型可能无法满足高质量要求。为此&#xff0c;本文研究者提…

游戏任务系统实现思路

文章目录 一、需求介绍二、数据库设计3、代码部分实现 一、需求介绍 1、首先任务的类型不同&#xff0c;可以分为&#xff1a;日常任务、成长任务、活动任务等等。 2、当达到任务目标时&#xff0c;自动发放任务奖励。 3、任务需要后台可配置&#xff0c;例如&#xff1a;任务…

前馈神经网络复习

习题4-1 对于一个神经元(wx b),并使用梯度下降优化参数w时如果输入x 恒大于0,其收敛速度会比零均值化的输入更慢 在全连接网络模型中&#xff0c;将输入的x值进行零均值化是一种预处理方法&#xff0c;旨在将训练集中的每个输入值x减去其均值&#xff0c;以0为中心&#xff0…

用IDEA创建/同步到gitee(码云)远程仓库(保姆级详细)

前言&#xff1a; 笔者最近在学习java&#xff0c;最开始在用很笨的方法&#xff1a;先克隆远程仓库到本地&#xff0c;再把自己练习的代码从本地仓库上传到远程仓库&#xff0c;很是繁琐。后发现可以IDEA只需要做些操作可以直接把代码上传到远程仓库&#xff0c;也在网上搜了些…

Python 下载与安装

1、下载 打开Python官网&#xff1a;Welcome to Python.org 点击下图所示的【Downloads】按钮进入下载页面。 ​ 进入下载页面后下拉至下图位置&#xff0c;选择版本&#xff0c;点击下载按钮下载。 页面会跳转至下一页下载页面&#xff0c;下拉到下图位置&#xff0c;选择…

缓存cache和缓冲buffer的区别

近期被这两个词汇困扰了&#xff0c;感觉有本质的区别&#xff0c;搜了一些资料&#xff0c;整理如下 计算机内部的几个部分图如下 缓存&#xff08;cache&#xff09; https://baike.baidu.com/item/%E7%BC%93%E5%AD%98 提到缓存&#xff08;cache&#xff09;&#xff0c;就…

51单片机项目(25)——基于51单片机电子秒表的protues仿真

1.功能设计 使用51单片机&#xff0c;完成0-59s的计时&#xff0c;并且实时显示在数码管上。使用一个按键控制计时器的启停。 仿真截图如下&#xff1a; 2.模块介绍 独立按键&#xff1a; 独立按键也称为轻触式开关&#xff0c;是一种简单的电气开关设备。它是一种手动操作Sw…