字节一面二面三面 已oc

dijkstra算法求最短路径：与prim算法很相似，步骤几乎一直，但prim求的是所有结点都连通起来的最小值，而dijkstra求的是有向图的起点到终点的最短路径，不需要连通所有结点，所以求结果的过程稍有不同。prim算法中的minDist数组求的是当前结点（还未加入生成树的结点）到现有生成树的最近距离，这个距离会因为每次生成树新节点的加入进行更新），输出结果也是对minDist数组进行累加；而dijkstra算法中minDist数组求的是当前结点到起点（结点1）的最小距离，输出结果就是终点（结点n）到起点的最小距离minDist[n]。//dijkstra三部曲：//1、选起点到哪个节点近且该节点未被访问过//2、对该最近节点标记为已访问//3、更新还未访问节点到起点的距离（即更新minDist数组）拓扑排序：给出一个有向图（具有复杂的依赖关系），把这个有向图转成线性的排序就叫拓扑排序，如大学排课，文件处理等。同时要检测有向图中是否有环，有环则不能得到线性排序，所以拓扑排序也是图论中判断有向无环图的常用方法。思路：1、找到入度为0（出发结点）的结点，加入结果集2、将该结点从图中移除3、循环上面两步，直到图中所有结点都被移除用vector记录每个文件的入度，入度为0的结点存放在queue里，依赖关系放在unordered_map>里当构造依赖关系时就将依赖别人的文件入度+1，最后遍历将入度为0的结点加入队列，然后依次将队列里的结点弹出，此时将该节点从图中移除意味着依赖它的结点的入度要-1，并判断是否入度为0，是的话加入队列。判断有 有向环 的存在：如果找不到入度为0的节点了且此时结果集中的元素个数不等于图中结点个数，就说明有环

input_str = input() a = map(int, input_str.split()) print(sum(a))

#校招#  #数据仓库#  #数据人的面试交流地# 0.数开/数仓怎么规划自己？首先我们要先入门(找到一份数据开发类的工作)其次我们要判断当前在公司是否能接触数仓或者一些定制数据开发，接触可以好好打磨几个项目/几个需求，接触不到就考虑跟着辉哥带练项目学习再然后我们应该朝着两个方向发展第一：对当前项目/需求涉及的数据源>所有表关系 掌握牢固，并深度理解业务的产生到结束各个流程中产生的数据和表，这就是我们常说的懂业务(技术侧完全够了，不需要掌握业务为什么这么做)，再其次就是利用自己的数仓能力/开发能力进行高效的交付，保证你非常懂表，离不开你(这是过程，建议多去熟悉每个接触的业务)，然后要熟悉目前的数仓架构，或者跟着辉哥学数仓，这个1-3年左右可以发展成一名合格的大头兵第二：对技术架构非常熟悉，怎么去熟悉呢？1. 掌握离线/实时 侧常见的技术的最佳实践(iceberg paimon doris flink spark等)，还要掌握数仓中各种疑难杂症，比如数仓规范建设、数仓分层、数仓域划分、质量监控、排期经验、与报表同学对接经验等等，这个最终可以发展成数据开发侧的架构师数仓/数开的职业发展前景怎么样1. 数据开发这一类岗位 每个人的发展都可能不太一样【一直做一线大头兵、做集团数据负责人、技术组件负责人、转型算法\数分\研发、回老家做生意、被淘汰坚持不下去等等】数仓未来的发展趋势（岗位数量...）/当前这个岗位类型的业务瓶颈是什么2. 有成长空间，数据技术会变得越来越易用和低成本，企业用大数据的也会越来越多，岗位也会多，这个过程中我们要多接触新的技术架构和解决方案 比如辉哥近期可能要探索paimon了，iceberg玩几个月 感觉比较熟悉了但是也要看个人的能力和机遇，熟悉数仓和开发是基础、与上下游打好交道做好交付是进阶、能够支撑数据团队进行数据交付做数据架构师、解决关键问题是数据技术岗的顶尖管理者、突破不了自己的就只能原地踏步或者退步

走廊边上的工位……谁懂这种心酸