• Leetcode 636.函数的独占时间


    函数的独占时间

    给出一个非抢占单线程CPU的 n 个函数运行日志,找到函数的独占时间。

    每个函数都有一个唯一的 Id,从 0 n-1,函数可能会递归调用或者被其他函数调用。

    日志是具有以下格式的字符串:function_id:start_or_end:timestamp。例如:"0:start:0" 表示函数 0 从 0 时刻开始运行。"0:end:0" 表示函数 0 在 0 时刻结束。

    函数的独占时间定义是在该方法中花费的时间,调用其他函数花费的时间不算该函数的独占时间。你需要根据函数的 Id 有序地返回每个函数的独占时间。

    示例 1:

    输入:

    n = 2

    logs =

    ["0:start:0",

    "1:start:2",

    "1:end:5",

    "0:end:6"]

    输出:[3, 4]

    说明:

    函数 0 在时刻 0 开始,在执行了 2个时间单位结束于时刻 1。

    现在函数 0 调用函数 1,函数 1 在时刻 2 开始,执行 4 个时间单位后结束于时刻 5。

    函数 0 再次在时刻 6 开始执行,并在时刻 6 结束运行,从而执行了 1 个时间单位。

    所以函数 0 总共的执行了 2 +1 =3 个时间单位,函数 1 总共执行了 4 个时间单位。

    说明:

    1. 输入的日志会根据时间戳排序,而不是根据日志Id排序。
    2. 你的输出会根据函数Id排序,也就意味着你的输出数组中序号为 0 的元素相当于函数 0 的执行时间。
    3. 两个函数不会在同时开始或结束。
    4. 函数允许被递归调用,直到运行结束。
    5. 1 <= n <= 100

     1 import java.util.List;
     2 import java.util.Stack;
     3 
     4 public class Solution {
     5     public int[] exclusiveTime(int n, List<String> logs) {
     6         Stack<Integer> stack = new Stack<>();
     7         int[] res = new int[n];
     8         String[] s = logs.get(0).split(":");
     9         stack.push(Integer.parseInt(s[0]));
    10         int i = 1, time = Integer.parseInt(s[2]);
    11         while (i < logs.size()) {
    12             s = logs.get(i).split(":");
    13             while (time < Integer.parseInt(s[2])) {
    14                 res[stack.peek()]++;
    15                 time++;
    16             }
    17             if (s[1].equals("start"))
    18                 stack.push(Integer.parseInt(s[0]));
    19             else {
    20                 res[stack.peek()]++;
    21                 time++;
    22                 stack.pop();
    23             }
    24             i++;
    25         }
    26         return res;
    27     }
    28 }

     1 public class Solution {
     2     public int[] exclusiveTime(int n, List < String > logs) {
     3         Stack < Integer > stack = new Stack < > ();
     4         int[] res = new int[n];
     5         String[] s = logs.get(0).split(":");
     6         stack.push(Integer.parseInt(s[0]));
     7         int i = 1, prev = Integer.parseInt(s[2]);
     8         while (i < logs.size()) {
     9             s = logs.get(i).split(":");
    10             if (s[1].equals("start")) {
    11                 if (!stack.isEmpty())
    12                     res[stack.peek()] += Integer.parseInt(s[2]) - prev;
    13                 stack.push(Integer.parseInt(s[0]));
    14                 prev = Integer.parseInt(s[2]);
    15             } else {
    16                 res[stack.peek()] += Integer.parseInt(s[2]) - prev + 1;
    17                 stack.pop();
    18                 prev = Integer.parseInt(s[2]) + 1;
    19             }
    20             i++;
    21         }
    22         return res;
    23     }
    24 }

  • 相关阅读:
    Ubuntu 开发环境
    机器学习笔记-相似度
    ElasticSearch 笔记-分布式工作原理
    ElasticSearch 笔记-别名
    ElasticSearch 笔记-映射
    ElasticSearch 笔记-基本概念
    Linux 二 常用命令
    经典中的经典算法:动态规划(详细解释,从入门到实践,逐步讲解)
    图解Transformer
    CUDA9.0+tensorflow-gpu1.8.0+Python2.7服务器环境搭建经验
  • 原文地址:https://www.cnblogs.com/kexinxin/p/10381445.html
Copyright © 2020-2023  润新知