liuqinh2s' blog

这篇文章的思想来自于这位博主：bilibili-YJango，我觉得很受启发就将其简略写了下来。

什么是学习？

学习 vs 记忆

记忆：容量有限、难以集齐

学习：从有限的例子中找出问题和答案的规律：知识

费曼说：如果你没有办法用简单的语言描述所学的知识，你就没有真正学会它。

因为学习是用知识来压缩原本无限的信息

学习：找出知识、压缩信息

在面试富途的时候面试官问了这样一个问题：快速排序最坏的情况啥时候出现？当时没有答上来。实际上这个问题比较容易想清楚，思路如下，从快速排序的形式入手： $O(N\ast logN)$ ，N 代表单次排序的时间花销，logN 代表递归次数。我们知道最坏情况是 $O(N^2)$ ，也就是说 $logN$ 退化成了 $N$ 。那么什么情况会退化成 $logN$ ，当然是问题规模缩减得慢的时候，这与我们选中枢有直接的关系。假如我们选的中枢，每次都是最小或者最大，那么问题的缩小速度就会变成线性的了；而假如我们选的中枢，每次恰好是中间那个数，那么问题递归次数就是 $lo{g}_2^N$ 了。

由于我们一般都是选第一个或者最后一个元素做中枢，那么最坏的情况对应就是：已经有序（这包括正序，逆序，以及全部元素相等）

由于快速排序的这个特征，所以我们一般的算法库中是结合了好几种排序算法：C++一道深坑面试题：STL 里 sort 算法用的是什么排序算法？

同时我也在思考为啥快排这种最坏是 $O(N^2)$ 的算法会被使用，而不直接使用最坏是 $O(NlogN)$ 的算法，比如归并排序，堆排序。答案自然是这些排序也有各自的缺点，而且我估计是无法容忍的缺点。比如归并排序，它不是一个原地排序算法，需要额外的存储空间。堆排序，需要构建堆花费额外的时间。堆构建完毕后，借用堆这种结构，每次只能从堆顶取出最大或最小的数，而且取完还要进行堆维护，花费 $logN$ 的时间。构建堆的过程和堆排序的过程类似，只不过构建堆是添加叶节点+上浮堆化的过程，而堆排序是取根节点+下沉堆化的过程，同样的构建堆也要花费 $O(NlogN)$ 的时间。所以堆排序会花费双倍的时间。

前言
从 2017 年开始买比特币的时候，我就想学习智能合约相关的开发，也曾想过要投身区块链行业，这一拖就是 4 年。我认真开始学起智能合约，最主要的原因其实是因为我离它更近了。这一轮牛市，DEFI 火爆，让我学会了使用钱包和公链。而在去年，我还是个只会在 OTC 入金的傻子，库币的 OTC 定价那么不合理都只会用 OTC 入金，后来我才发现原来 USDT 可以随意在链上转，而且波场免手续费，由此打开了新世界的大门。

在做公司项目的过程中遇到一个问题：让表头固定，同时其宽度必须占满整个父元素。用 fixed，可以固定但是宽度无法撑开。最终用position: sticky解决了问题。

参考资料：

1. 杀了个回马枪，还是说说 position:sticky 吧« 张鑫旭-鑫空间-鑫生活
2. position - CSS（层叠样式表） | MDN

平台选择

平台选择：选大平台，像火币、币安。这里有个排行供参考：https://coinmarketcap.com/zh/rankings/exchanges/

我自己选的是火币，以前的火币体验是非常好的，买卖很方便，现在经常数据刷不出来。