news 2026/6/10 0:45:39

(新卷,100分)-日志采集系统(JavaPythonJSC++C)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
(新卷,100分)-日志采集系统(JavaPythonJSC++C)

题目描述

日志采集是运维系统的的核心组件。日志是按行生成,每行记做一条,由采集系统分批上报。

为此,项目组设计了如下的上报策略:

  1. 每成功上报一条日志,奖励1分
  2. 每条日志每延迟上报1秒,扣1分
  3. 积累日志达到100条,必须立即上报

给出日志序列,根据该规则,计算首次上报能获得的最多积分数。

输入描述

按时序产生的日志条数 T1,T2…Tn,其中 1<=n<=1000,0<=Ti<=100

输出描述

首次上报最多能获得的积分数

示例1

输入

1 98 1

输出

98

说明

T1 时刻上报得 1 分
T2 时刻上报得98分,最大
T3 时刻上报得 0 分

示例2

输入

50 60 1

输出

50

说明

如果第1个时刻上报,获得积分50。如果第2个时刻上报,最多上报100条,前50条延迟上报1s,每条扣除1分,共获得积分为 100-50=50

示例3

输入

3 7 40 10 60

输出

37

说明

T1时刻上报得3分

T2时刻上报得7分

T3时刻上报得37分,最大

T4时刻上报得-3分

T5时刻上报,因为已经超了100条限制,所以只能上报100条,得-23分

解题思路

上报策略

例子解析

  1. 输入:1 98 1,输出:98

  2. 输入:50 60 1,输出:50

  3. 输入:3 7 40 10 60,输出:37

Java

import java.util.Scanner; public class LogCollection { public static void main(String[] args) { Scanner in = new Scanner(System.in); // 读取输入的日志序列 String input = in.nextLine(); // 将日志序列按空格分割成数组 String[] logs = input.split(" "); int totalCount = 0; // 总日志条数 int maxScore = 0; // 最大积分数 for (int i = 0; i < logs.length; i++) { int logCount = Integer.valueOf(logs[i]); // 当前时间点的日志条数 if (logCount == 0) { continue; // 如果当前时间点没有日志条数,则跳过 } totalCount += logCount; // 更新总日志条数 int score = 0; // 当前时间点的积分数 for (int j = 0; j <= i; j++) { if (totalCount > 100 && i == j) { // 如果总日志条数超过100,并且当前时间点是最后一个时间点 score += logCount - (totalCount - 100); // 计算得分 } else { score += Integer.valueOf(logs[j]) - (i - j) * Integer.valueOf(logs[j]); // 计算得分 } } if (score > maxScore) { maxScore = score; // 更新最大积分数 } if (totalCount >= 100) { break; // 如果总日志条数达到100条以上,则退出循环 } } System.out.println(maxScore); // 输出最大积分数 } }

Python

import sys # 读取输入的日志序列 input = sys.stdin.readline().strip() # 将日志序列按空格分割成数组 logs = input.split(" ") totalCount = 0 # 总日志条数 maxScore = 0 # 最大积分数 for i in range(len(logs)): logCount = int(logs[i]) # 当前时间点的日志条数 if logCount == 0: continue # 如果当前时间点没有日志条数,则跳过 totalCount += logCount # 更新总日志条数 score = 0 # 当前时间点的积分数 for j in range(i+1): if totalCount > 100 and i == j: # 如果总日志条数超过100,并且当前时间点是最后一个时间点 score += logCount - (totalCount - 100) # 计算得分 else: score += int(logs[j]) - (i - j) * int(logs[j]) # 计算得分 if score > maxScore: maxScore = score # 更新最大积分数 if totalCount >= 100: break # 如果总日志条数达到100条以上,则退出循环 print(maxScore) # 输出最大积分数

JavaScript

var readline = require('readline'); var rl = readline.createInterface({ input: process.stdin, output: process.stdout }); rl.on('line', function (input) { var logs = input.split(" "); var totalCount = 0; // 总日志条数 var maxScore = 0; // 最大积分数 for (var i = 0; i < logs.length; i++) { var logCount = parseInt(logs[i]); // 当前时间点的日志条数 if (logCount === 0) { continue; // 如果当前时间点没有日志条数,则跳过 } totalCount += logCount; // 更新总日志条数 var score = 0; // 当前时间点的积分数 for (var j = 0; j <= i; j++) { if (totalCount > 100 && i === j) { // 如果总日志条数超过100,并且当前时间点是最后一个时间点 score += logCount - (totalCount - 100); // 计算得分 } else { score += parseInt(logs[j]) - (i - j) * parseInt(logs[j]); // 计算得分 } } if (score > maxScore) { maxScore = score; // 更新最大积分数 } if (totalCount >= 100) { break; // 如果总日志条数达到100条以上,则退出循环 } } console.log(maxScore); // 输出最大积分数 rl.close(); });

C++

#include <iostream> // 包含输入输出流库 #include <vector> // 包含向量容器库 using namespace std; int main() { string input; getline(cin, input); // 从标准输入读取整行数据 vector<string> logs; // 用于存储日志条数的字符串向量 string temp = ""; // 临时字符串变量,用于逐字符拼接日志条数 for (int i = 0; i < input.length(); i++) { // 遍历输入的每一个字符 if (input[i] == ' ') { // 遇到空格时,表示一个日志条数的结束 logs.push_back(temp); // 将当前拼接的字符串加入日志向量 temp = ""; // 重置临时字符串变量 } else { temp += input[i]; // 拼接字符 } } logs.push_back(temp); // 将最后一个日志条数加入日志向量 int totalCount = 0; // 累计日志总条数 int maxScore = 0; // 记录最大积分数 for (int i = 0; i < logs.size(); i++) { // 遍历每个时间点的日志 int logCount = stoi(logs[i]); // 将当前日志条数从字符串转换为整数 if (logCount == 0) { // 如果当前时间点日志条数为0,跳过该时间点 continue; } totalCount += logCount; // 累加日志总条数 int score = 0; // 当前时间点的积分 for (int j = 0; j <= i; j++) { // 计算当前时间点的积分 if (totalCount > 100 && i == j) { // 如果总日志条数超过100且当前为最后一个时间点 score += logCount - (totalCount - 100); // 计算积分,考虑超出100条的部分 } else { score += stoi(logs[j]) - (i - j) * stoi(logs[j]); // 正常积分计算,考虑延迟扣分 } } if (score > maxScore) { // 更新最大积分数 maxScore = score; } if (totalCount >= 100) { // 如果总日志条数达到或超过100,提前结束循环 break; } } cout << maxScore << endl; // 输出最大积分数 return 0; }

C语言

#include <stdio.h> #include <string.h> #include <stdlib.h> int main() { char input[1000]; // 定义一个字符数组用于存储输入 fgets(input, 1000, stdin); // 从标准输入读取一行数据 char logs[100][10]; // 定义一个二维字符数组存储日志条数,每条日志最长为10个字符 int logCount = 0; // 日志条数计数器 char *token = strtok(input, " "); // 使用空格分割输入字符串,获取第一个日志条数 while (token != NULL) { // 逐个分割字符串,直到没有更多的分割部分 strcpy(logs[logCount], token); // 将当前日志条数复制到日志数组中 logCount++; // 增加日志条数计数 token = strtok(NULL, " "); // 获取下一个日志条数 } int totalCount = 0; // 累积日志总条数 int maxScore = 0; // 记录最大积分数 for (int i = 0; i < logCount; i++) { // 遍历每个时间点的日志 int logNum = atoi(logs[i]); // 将当前日志条数从字符串转换为整数 if (logNum == 0) { // 如果当前时间点日志条数为0,跳过该时间点 continue; } totalCount += logNum; // 累加日志总条数 int score = 0; // 当前时间点的积分 for (int j = 0; j <= i; j++) { // 计算当前时间点的积分 int logAtJ = atoi(logs[j]); // 将日志条数从字符串转换为整数 if (totalCount > 100 && i == j) { // 如果总日志条数超过100且当前为最后一个时间点 score += logNum - (totalCount - 100); // 计算积分,考虑超出100条的部分 } else { score += logAtJ - (i - j) * logAtJ; // 正常积分计算,考虑延迟扣分 } } if (score > maxScore) { // 更新最大积分数 maxScore = score; } if (totalCount >= 100) { // 如果总日志条数达到或超过100,提前结束循环 break; } } printf("%d\n", maxScore); // 输出最大积分数 return 0; }
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/9 21:06:21

RAG优化:rerank+小模型整理提升精度

RAG检索后的原始文本往往存在片段零散、语义不连贯、冗余噪声、逻辑断裂问题 本质是“检索只解决了‘找得到’,没解决‘用得好’” 而“rerank(精准筛选)+ 小模型知识整理(结构化提炼)”的组合方案,正是当前业界解决这一痛点的主流优化思路——既能过滤无效信息,又能把…

作者头像 李华
网站建设 2026/6/9 21:08:10

从RAG的核心技术原理(语义表示、检索机制、知识融合)出发,解决“为什么检索不精准”“为什么知识融合不高效”等根本问题

从RAG的核心技术原理(语义表示、检索机制、知识融合)出发,解决“为什么检索不精准”“为什么知识融合不高效”等根本问题 目录 从RAG的核心技术原理(语义表示、检索机制、知识融合)出发,解决“为什么检索不精准”“为什么知识融合不高效”等根本问题 简单rag 简介 一、嵌…

作者头像 李华
网站建设 2026/6/9 19:47:07

Kafka在大数据生态中的角色与应用场景

Kafka在大数据生态中的角色与应用场景&#xff1a;从“数据快递站”到“实时流中枢” 1. 引入与连接&#xff1a;你身边的Kafka故事 凌晨12点&#xff0c;你在电商APP上下了一单零食&#xff1b;12点01分&#xff0c;首页弹出“你可能喜欢的同款薯片”&#xff1b;12点02分&…

作者头像 李华
网站建设 2026/6/9 19:40:59

大数据领域数据产品的成本核算方法

大数据领域数据产品成本核算全攻略&#xff1a;从模糊到清晰的落地指南 引言&#xff1a;为什么你必须搞懂数据产品的成本&#xff1f; 作为数据产品经理&#xff0c;你是否遇到过这些场景&#xff1a; 财务问“这个数据看板每月要花多少钱&#xff1f;”你支支吾吾说不清楚&am…

作者头像 李华
网站建设 2026/6/9 19:43:59

如何高效实现语义相似度分析?试试GTE中文向量模型镜像

如何高效实现语义相似度分析&#xff1f;试试GTE中文向量模型镜像 在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;语义相似度分析是构建智能对话系统、推荐引擎、文本去重、问答匹配等应用的核心技术之一。传统方法如TF-IDF、编辑距离等虽然简单易用&#xff0c;…

作者头像 李华