手把手教你入侵网站修改数据wordpress需要先安装数据库

手把手教你入侵网站修改数据,wordpress需要先安装数据库,传奇网页游戏排名,百度识图在线识别一、基础知识铺垫 #xff08;一#xff09;缓存的基础概念缓存定义#xff1a;缓存是一种高速数据存储层#xff0c;用于临时存储频繁访问的数据#xff0c;减少对底层慢速存储#xff08;如数据库、磁盘#xff09;的访问#xff0c;从而提升系统性能。缓存的核心需求…一、基础知识铺垫一缓存的基础概念缓存定义缓存是一种高速数据存储层用于临时存储频繁访问的数据减少对底层慢速存储如数据库、磁盘的访问从而提升系统性能。缓存的核心需求快速访问读取数据的时间复杂度尽可能低理想为 O (1)。快速更新插入、删除、修改数据的时间复杂度尽可能低理想为 O (1)。容量限制缓存空间有限当容量满时需通过缓存替换算法淘汰部分数据。缓存的常见应用Redis 缓存、CPU 缓存、浏览器缓存、MyBatis 一级缓存等。二常见缓存替换算法对比理解 LRU算法名称核心逻辑优点缺点FIFO先进先出按照数据进入缓存的顺序淘汰先进入的先淘汰实现简单用队列即可未考虑数据访问频率可能淘汰常用数据LFU最少使用淘汰访问次数最少的数据考虑了数据访问频率实现复杂需记录访问次数可能淘汰近期频繁使用但总次数少的数据LRU最近最少使用淘汰最长时间未被访问的数据兼顾访问顺序和效率实现难度适中对突发的大量新数据访问不友好缓存污染LRU-K淘汰最近 K 次访问中最久未访问的数据优化了 LRU 的缓存污染问题实现更复杂需记录访问历史三核心数据结构基础哈希表 双向链表1. 哈希表HashMapJava特性基于哈希表实现存储键值对key-value支持查找、插入、删除操作时间复杂度均为 O (1)理想情况无哈希冲突。局限性无序性无法记录数据的访问顺序单独使用无法实现 LRU 策略。2. 单向链表特性有序结构可记录数据顺序插入 / 删除操作在已知节点时为 O (1)。局限性查找节点需遍历链表时间复杂度 O (n)。删除节点时需找到前驱节点时间复杂度 O (n)。3. 双向链表特性在单向链表基础上增加prev指针可直接获取前驱节点。优势删除 / 移动节点时通过prev指针直接定位前驱时间复杂度 O (1)。局限性查找节点仍需遍历链表时间复杂度 O (n)。二、LRU Cache 核心原理重点一核心目标实现一个支持O (1) 时间复杂度的查找、插入、删除、移动操作的缓存且遵循 “最近最少使用” 的淘汰策略。二数据结构选型哈希表 双向链表核心重点组合逻辑哈希表存储key - 双向链表节点的映射实现O (1) 查找节点。双向链表存储节点的访问顺序实现O (1) 插入、删除、移动节点。组合优势弥补单一数据结构的局限性满足 LRU Cache 的所有性能需求。链表节点的顺序规则双向链表的尾部存储 ** 最近使用MRU** 的节点。双向链表的头部存储 ** 最近最少使用LRU** 的节点。访问 / 更新节点时将节点移到链表尾部容量满时删除链表头部节点。三、LRU Cache 代码实现Java 版与模块解析一完整代码带详细注释java运行import java.util.HashMap; import java.util.Map; /** * LRU Cache 实现哈希表 双向链表哑节点优化 * 核心逻辑哈希表保证O(1)查找双向链表保证O(1)插入/删除/移动 */ public class LRUCache { // 1. 双向链表节点类静态内部类仅当前类使用 static class DLinkedNode { int key; // 存储key删除节点时需同步从哈希表移除必须保存key重点 int value; DLinkedNode prev; // 前驱节点 DLinkedNode next; // 后继节点 // 无参构造 public DLinkedNode() {} // 带参构造初始化key和value public DLinkedNode(int key, int value) { this.key key; this.value value; } } // 2. LRUCache核心属性 private final int capacity; // 缓存容量不可变final修饰 private int size; // 当前缓存数据个数 private final MapInteger, DLinkedNode cache; // 哈希表key - 节点 private final DLinkedNode head; // 哑头节点哨兵避免空指针难点 private final DLinkedNode tail; // 哑尾节点哨兵避免空指针难点 // 3. 构造方法初始化缓存容量、哈希表、双向链表 public LRUCache(int capacity) { // 参数校验避免容量为0或负数边界条件补充优化 if (capacity 0) { throw new IllegalArgumentException(缓存容量必须大于0); } this.capacity capacity; this.size 0; this.cache new HashMap(); // 初始化哑节点head - tail解决tail.prev为空的空指针问题难点 this.head new DLinkedNode(); this.tail new DLinkedNode(); head.next tail; tail.prev head; } // 4. 私有辅助方法双向链表的核心操作封装细节提高复用性 /** * 移除双向链表中的指定节点通用操作O(1) * param node 要移除的节点 */ private void removeNode(DLinkedNode node) { // 步骤将节点的前驱和后继直接相连跳过当前节点 node.prev.next node.next; node.next.prev node.prev; } /** * 将节点添加到双向链表的尾部最近使用的位置O(1)难点四指针修改 * param node 要添加的节点 */ private void addToTail(DLinkedNode node) { // 步骤先关联node与tail的前驱再关联node与tail node.prev tail.prev; node.next tail; tail.prev.next node; tail.prev node; } /** * 将指定节点移动到链表尾部访问/更新节点时调用O(1) * param node 要移动的节点 */ private void moveToTail(DLinkedNode node) { removeNode(node); // 先从原位置移除 addToTail(node); // 再添加到尾部 } /** * 移除双向链表的头部节点最近最少使用的节点O(1) * return 被移除的节点用于同步从哈希表删除key */ private DLinkedNode removeHead() { DLinkedNode delNode head.next; // 哑头的下一个节点是真正的头节点 removeNode(delNode); // 移除该节点 return delNode; } // 5. 公有方法外部调用的get和put核心业务方法重点 /** * 获取key对应的value不存在则返回-1存在则将节点移到尾部 * param key 要查找的key * return 对应的value不存在则返回-1 */ public int get(int key) { DLinkedNode node cache.get(key); // 情况1key不存在返回-1 if (node null) { return -1; } // 情况2key存在将节点移到尾部标记为最近使用 moveToTail(node); return node.value; } /** * 插入/更新key-value对核心逻辑处理key存在/不存在容量超限 * param key 要插入/更新的key * param value 对应的value */ public void put(int key, int value) { DLinkedNode node cache.get(key); // 情况1key不存在新建节点 if (node null) { DLinkedNode newNode new DLinkedNode(key, value); // 步骤1将新节点存入哈希表 cache.put(key, newNode); // 步骤2将新节点添加到链表尾部 addToTail(newNode); // 步骤3当前大小1 size; // 步骤4判断是否超出容量超出则移除最近最少使用的节点头部 if (size capacity) { DLinkedNode delNode removeHead(); // 同步从哈希表删除该节点的key必须用节点的key重点 cache.remove(delNode.key); // 当前大小-1 size--; } } else { // 情况2key存在更新value并将节点移到尾部 node.value value; moveToTail(node); } } // 辅助测试方法打印缓存链表调试用 public void printCache() { DLinkedNode cur head.next; while (cur ! tail) { System.out.print(( cur.key : cur.value ) - ); cur cur.next; } System.out.println(null); } // 主方法测试验证LRU逻辑 public static void main(String[] args) { LRUCache lruCache new LRUCache(2); // 容量为2 lruCache.put(1, 1); lruCache.printCache(); // 输出(1:1) - null lruCache.put(2, 2); lruCache.printCache(); // 输出(1:1) - (2:2) - null System.out.println(lruCache.get(1)); // 输出1此时1移到尾部 lruCache.printCache(); // 输出(2:2) - (1:1) - null lruCache.put(3, 3); // 容量满移除最近最少使用的2 lruCache.printCache(); // 输出(1:1) - (3:3) - null System.out.println(lruCache.get(2)); // 输出-1已被移除 lruCache.put(4, 4); // 容量满移除最近最少使用的1 lruCache.printCache(); // 输出(3:3) - (4:4) - null System.out.println(lruCache.get(1)); // 输出-1已被移除 System.out.println(lruCache.get(3)); // 输出3移到尾部 lruCache.printCache(); // 输出(4:4) - (3:3) - null System.out.println(lruCache.get(4)); // 输出4移到尾部 lruCache.printCache(); // 输出(3:3) - (4:4) - null } }二模块解析基础知识点节点类DLinkedNode静态内部类存储key、value、prev、next是双向链表的基本单元。核心属性capacity缓存容量final 修饰保证不可变。size当前缓存数据个数。cache哈希表映射 key 到节点。head/tail哑头 / 哑尾节点简化链表操作。构造方法初始化属性将哑头和哑尾相互指向解决空指针问题。辅助方法封装双向链表的移除、添加、移动、删除头部节点操作提高代码复用性。业务方法get获取数据、put插入 / 更新数据实现 LRU 核心逻辑。测试方法printCache打印链表、main验证逻辑。四、重难点专项拆解重点 难点标注一重点知识点必须掌握1. 数据结构组合的必要性核心重点问题为什么必须用哈希表 双向链表单一哈希表无法记录访问顺序无法实现 LRU 淘汰策略。单一双向链表查找节点需遍历O (n)性能不足。组合后哈希表实现 O (1) 查找双向链表实现 O (1) 插入 / 删除 / 移动满足 LRU 性能需求。2. 节点中存储key的必要性易忽略重点原因当缓存容量满时需要删除链表头部节点同时同步从哈希表中删除对应的 key。如果节点只存储value无法获取 key哈希表的删除操作无法完成。代码体现DLinkedNode类中的int key属性removeHead()方法返回节点后通过delNode.key删除哈希表中的键值对。3.get/put方法的核心逻辑业务重点1get方法逻辑步骤 1通过哈希表查找节点不存在则返回 -1。步骤 2存在则将节点移到链表尾部标记为最近使用返回 value。关键访问节点后必须移动到尾部否则淘汰策略失效。2put方法逻辑场景 1key 不存在新建节点存入哈希表。将节点添加到链表尾部。大小size。若size capacity删除链表头部节点同步删除哈希表中的 keysize--。场景 2key 存在更新节点的 value。将节点移到链表尾部。关键步骤顺序不能颠倒如先存哈希表再添加到链表避免数据不一致。4. 时间 / 空间复杂度分析性能重点时间复杂度get/put方法的所有操作均为 O (1)哈希表操作 链表操作。空间复杂度O (capacity)哈希表和链表存储的节点数不超过容量。二难点知识点易出错、理解困难1. 哑节点哨兵节点的设计与使用核心难点问题背景若直接使用真实节点作为头 / 尾链表为空时head/tail为null调用head.next或tail.prev会触发空指针异常如会议中提到的addToTail方法中tail.prev为空的问题。解决方案定义head哑头和tail哑尾两个虚拟节点初始化时让head.next tail、tail.prev head真实节点均在两者之间。优势无需处理链表为空的边界情况所有真实节点的操作逻辑统一避免空指针异常。2. 双向链表的四指针修改addToTail方法操作难点问题将节点添加到链表尾部时需要修改四个指针顺序错误会导致链表断裂。正确步骤代码注释已标注node.prev tail.prev;节点的前驱指向 tail 的前驱。node.next tail;节点的后继指向 tail。tail.prev.next node;tail 的前驱的后继指向节点。tail.prev node;tail 的前驱指向节点。记忆技巧先关联节点与原有链表的节点再修改原有链表的指针。3. 边界条件处理调试难点边界 1缓存容量为 1测试点每次新增节点都会淘汰唯一的旧节点验证淘汰策略是否正确。边界 2缓存容量为 0 / 负数解决方案在构造方法中添加参数校验抛出非法参数异常代码中已补充。边界 3重复插入相同 key解决方案put方法中判断 key 存在时更新 value 并移动节点代码中已处理。边界 4链表为空 / 只有一个节点解决方案哑节点的存在使得这些情况的处理逻辑与普通情况一致无需额外判断。五、拓展知识与实战思考扩充内容一Java 自带的 LRU 实现LinkedHashMapLinkedHashMap 特性继承自 HashMap底层是哈希表 双向链表支持按插入顺序或按访问顺序遍历。实现 LRU 的核心重写removeEldestEntry方法当方法返回true时LinkedHashMap 会自动删除最久未使用的节点。示例代码java运行import java.util.LinkedHashMap; import java.util.Map; public class LRUCacheByLinkedHashMap extends LinkedHashMapInteger, Integer { private final int capacity; public LRUCacheByLinkedHashMap(int capacity) { // 初始化初始容量16负载因子0.75按访问顺序排序第三个参数为true super(16, 0.75f, true); this.capacity capacity; } // 重写方法当节点数超过容量时返回true自动删除最久未使用的节点 Override protected boolean removeEldestEntry(Map.EntryInteger, Integer eldest) { return size() capacity; } // 测试 public static void main(String[] args) { LRUCacheByLinkedHashMap lru new LRUCacheByLinkedHashMap(2); lru.put(1, 1); lru.put(2, 2); System.out.println(lru.get(1)); // 访问1移到尾部 lru.put(3, 3); // 容量满删除2 System.out.println(lru.get(2)); // 返回null或-1可封装 } }注意LinkedHashMap 是非线程安全的多线程环境下需加锁或使用Collections.synchronizedMap包装。二线程安全问题实战难点问题上述手写 LRUCache 代码在多线程环境下会出现数据不一致如size计数错误、链表断裂、哈希表并发修改异常。解决方案简单方案在get/put方法上加synchronized关键字缺点性能较低同一时间只能有一个线程访问。优化方案使用ConcurrentHashMap替代HashMap结合ReentrantLock锁分段锁性能更高。工业方案使用 Redis 的 LRU 缓存Redis 内置了 LRU 淘汰策略且支持分布式、线程安全。三LRU 的局限性与优化拓展重点局限性对突发的大量新数据访问不友好如缓存穿透、缓存污染可能导致常用数据被淘汰。优化方案LRU-K记录节点的 K 次访问历史淘汰最近 K 次访问中最久未访问的节点K 通常取 2。Two-Level LRU2LRU将缓存分为活跃区和非活跃区减少常用数据被淘汰的概率。LFU LRU 混合结合访问频率和访问时间优化淘汰策略。六、总结LRU Cache 是算法与开发中的高频考点核心在于哈希表 双向链表的组合使用重点掌握数据结构的协同逻辑、get/put方法的业务逻辑难点在于哑节点的设计和双向链表的指针操作。在实战中需注意线程安全和边界条件处理也可利用 Java 自带的 LinkedHashMap 快速实现 LRU或使用 Redis 等中间件实现分布式缓存。