LeetCode 刷题日记：追寻高性能服务的秘密，探寻 1606. 找到处理最多请求的服务器

2023-11-17 13:12:39

引言

在摩拳擦掌的春招征途上，刷题无疑是提升算法功底的利器。最近，笔者在攻克 LeetCode 题海时，将目光聚焦在 1606. 找到处理最多请求的服务器这道题目上。这道题考察了我们对数据结构和算法的掌握程度，同时也是对高性能服务的架构设计的一次实战演练。

理解题意

在实际的分布式系统中，往往需要面对海量的请求并发。为了提升系统的响应速度和吞吐量，通常会采用负载均衡策略，将请求分发到多台服务器上处理。然而，由于服务器性能和负载情况可能存在差异，这就需要一种机制来动态识别出处理请求最多的服务器，以便对其进行优化或扩容。

LeetCode 1606 题模拟了这样一个场景，给定一组时间戳和服务器 ID，要求找出在给定时间范围内处理请求最多的服务器。题目提供了两个参数：

logs：一个包含时间戳和服务器 ID 的数组
k：时间范围，单位为秒

算法设计

要解决这个问题，我们需要一个数据结构来记录每个服务器在指定时间范围内的请求数量。由于时间戳是按序给出的，因此我们可以使用一个滑动窗口来动态维护这一信息。滑动窗口的宽度由给定的时间范围 k 决定。

算法流程如下：

使用哈希表 server_counts 初始化一个数据结构，其中键为服务器 ID，值为请求数量。
使用两个指针 left 和 right 初始化一个滑动窗口，初始位置均为 0。
遍历时间戳数组 logs，对于每个时间戳：
- 计算时间戳与当前滑动窗口左端的时间戳之差。
- 如果差值大于时间范围 k，则从滑动窗口中移除左端的服务器 ID。
- 从 server_counts 哈希表中获取当前服务器 ID 的请求数量，并将其加 1。
- 将当前服务器 ID 添加到滑动窗口中。
维护一个 max_count 变量，记录滑动窗口中请求数量最多的服务器。
遍历滑动窗口中的所有服务器 ID，找出请求数量与 max_count 相等的服务器，即为处理请求最多的服务器。

代码实现

以下是 Python 代码实现：

def find_busiest_server(logs, k):
  """
  :type logs: List[Tuple[int, int]]
  :type k: int
  :rtype: int
  """

  # 初始化哈希表和滑动窗口
  server_counts = {}
  left, right = 0, 0
  max_count = 0
  busiest_server = -1

  for timestamp, server_id in logs:

    # 移除超出时间范围的服务器
    while timestamp - logs[left][0] > k:
      left += 1

    # 更新服务器请求数量
    server_counts[server_id] = server_counts.get(server_id, 0) + 1

    # 更新滑动窗口
    right += 1
    server_counts[server_id] = server_counts[server_id] - 1

    # 更新最大请求数量和最繁忙服务器
    max_count = max(max_count, server_counts[server_id])
    if server_counts[server_id] == max_count:
      busiest_server = server_id

  return busiest_server