论文阅读：Simple, Efficient, and Robust Hash Tables for Join Processing主要贡献：设计了一个新的哈希表：unchained in-memory hash table。
Abstract哈希连接在关系数据处理过程起到了关键作用，并且他们的性能对于整个数据库的性能也起到了关键作用。由于中间结果难以预测，理想的哈希连接实现方式必须兼顾对典型查询快速和不寻常数据分布的鲁棒性。这篇论文中，我们实现了一个简单但高效的非链内存哈希表（unchained in-memory hash table design）设计。它组合了构建侧分区，邻接数组布局，流水线探测，布隆过滤器，以及软件写组合缓冲区等一系列技术，实现了在倾斜多对多连接时的性能提升，同时在处理一对多连接时仍能保持顶级性能。我们的哈希表的性能在关系查询中比开放寻址提升了2倍，在图处理查询中比开放寻址和拉链法提升了20倍。
Introduction关系数据库依赖哈希连接有效处理join查询，而大多数查询的运行时间由join过程决定。底层哈希表有巨大的设计空间，有相当多的研究聚焦于分区、并 ...
Extensible Hash Table based on Hot Ring系统设计 本项目系统主要分为客户端和服务器两个部分。客户端包括随机生成器和数据收集器两部分，服务器包括键值存储，两者之间通过socket通信。
随机键值生成。本次实验设置键值对总共有5万个，其中热点key占比X%。热点key生成的概率为80%，非热点key生成的概率为20%。
数据记录收集。作为一个线程启动，每隔60s唤醒一次，记录负载数量。总共唤醒5次。
socket。客户端和服务器之间使用socket进行通信，协议为TCP。
键值存储。位于服务器上的键值存储系统，可以完成put和read操作。
键值存储 本项目使用的键值存储数据结构为“Extensible Hash Table based on Hot Ring”。Hot Ring参考论文《HotRing: A Hotspot-Aware In-Memory Key-Value Store》，是一种热点感知的内存键值存储。本项目在原论文的基础上，结合可扩展哈希表（Extensible Hash T ...
A*算法在具体介绍每个问题的实现之前，先简要阐述 A* 算法某些名词的含义：
open list：一个最小堆，存放目前可以展开的节点。（最小堆可以加速找到 F 值最小节点）
close list：一个列表，存放已经展开过的节点。
H 值：表示该节点到终点开销的估计值，是一个人为定义的启发式函数。
G 值：表示从起点到该节点开销的实际值，是可以实际计算出来的。
F 值：G + H
源代码函数介绍：
Q1.冰雪魔方的冰霜之道1. 输出答案每一行对应一个测试样例
1234511213
2. H 函数选择的 H 函数为曼哈顿距离：该状态中数字（0除外）到目标状态数字的曼哈顿距离之和
示例介绍1234567891011121 * * * 1 * * * ** * * -> * * * or 1 * * 左侧状态中数字 1 到右侧目标状态数字 1 的* * * * * * * * * 曼哈顿距离为 11 * * * * ** * * -> * 1 * 左侧状态中数字 1 到右侧 ...
一、项目概述（阐明项目的科学价值与相关研究工作，描述项目主要内容）
当我们处理图像时，经常需要将其进行压缩以便于存储和传输。一种流行的方法是使用主成分分析（PCA）进行图像压缩。PCA是一种线性变换方法，可以将高维数据转化为低维度表示，同时保留大部分原始信息。
本项目将介绍基于SVD分解的PCA算法以及其对 256×256 彩色图像进行压缩的效果与性能（重构误差，呀压缩时间，压缩率）。
本次实验采用的步骤主要是基于课本上的步骤（与某些版本的求解方案有所区别）。在课本上，矩阵的行为特征数，列为样本数，这一点主要与协方差矩阵的求解方式有关，但是两种方式最终的结果都是正确的。
二、 问题定义（提供问题定义的语言描述与数学形式）
输入：$M_{256×256×3}$
输出：$C（压缩后的矩阵），P（投影矩阵）$
算法流程：
$M’_{3072×64} = M.reshape(3072, 64)$
$C, P = PCA(M’)$
通过$C_{k×64},P_{3072×k}$可以计算出重构矩阵$R’ = PC$，通过还原矩阵的形状可以得到RGB图像矩 ...
