快速傅里叶变换(完整推导过程 + 模板)

快速傅里叶变换

多项式表示

系数表示法:

一个nnn次多项式可以用n+1n + 1n+1个系数表示出来:f(x)=a0+a1x+a2x2+⋯+an−1xn−1+anxnf(x) = a_0 + a_1 x + a_2 x ^ 2 + \dots + a_{n - 1} x ^{n- 1} + a_n x ^nf(x)=a0+a1x+a2x2++an1xn1+anxn

点值表示法:

通过线性代数,高斯消元我们可以知道,一个nnn次多项式可以通过n+1n + 1n+1个点联立方程组解得:

f(x)={(x0,f(x0),(x1,f(x1)),(x2,f(x2)))…(xn−1,f(xn−1)),(xn,f(xn))}f(x) = \{(x_0, f(x_0), (x_1, f(x_1)), (x_2, f(x_2))) \dots (x_{n - 1}, f(x_{n - 1})), (x_n, f(x_n)) \}f(x)={(x0,f(x0),(x1,f(x1)),(x2,f(x2)))(xn1,f(xn1)),(xn,f(xn))}

有离散傅里叶变换DFTDFTDFT(把一个多项式从系数表示变成点值表示),IDFTIDFTIDFT(把一个多项式从点值表示变成系数表示),

FFTFFTFFT,就是通过选取某些特殊xxx点,来加速DFT,IDFTDFT, IDFTDFT,IDFT的一种方法。

点值表示法的多项式相乘:

F(x)=f(x)g(x)F(x) = f(x) g(x)F(x)=f(x)g(x)

F(x)={(x0,f(x0)g(x0)),(x1,f(x1)g(x1)),(x2,f(x2)g(x2))…(xn−1,f(xn−1)g(xn−1)),(xn,f(xn)g(xn))}F(x) = \{(x_0, f(x_0)g(x_0)), (x_1, f(x_1)g(x_1)), (x_2, f(x_2)g(x_2)) \dots (x_{n - 1}, f(x_{n - 1})g(x_{n - 1})), (x_n, f(x_n)g(x_n)) \}F(x)={(x0,f(x0)g(x0)),(x1,f(x1)g(x1)),(x2,f(x2)g(x2))(xn1,f(xn1)g(xn1)),(xn,f(xn)g(xn))}

由此我们想要得到两个多项式相乘的系数,只需要先对两个多项式进行DFTDFTDFT,然后对应的点值相乘,再做一次IDFTIDFTIDFT,即可求得系数。

引入复数

两个复数相乘的结果为,模长相乘,辐角相加,证明如下:

有两复数A(acos⁡θ1,asin⁡θ1i),B(bcos⁡θ2,bsin⁡θ2i)A(a \cos \theta_1, a \sin \theta_1 i), B(b \cos \theta_2, b \sin \theta_2i)A(acosθ1,asinθ1i),B(bcosθ2,bsinθ2i),用极角 + 模长来表示。

两复数相乘有A×B=(ab(cos⁡θ1cos⁡θ2−sin⁡θ1sin⁡θ2),ab(sin⁡θ1cos⁡θ2+cos⁡θ1sin⁡θ2)i)=(abcos⁡(θ1+θ2),absin⁡(θ1+θ2)i)A \times B = (ab(\cos \theta_1 \cos \theta_2 - \sin \theta_1 \sin \theta_2), ab(\sin \theta_1 \cos \theta_2 + \cos \theta_1 \sin \theta_2) i) = (ab \cos (\theta_1 + \theta_2), ab \sin (\theta_1 + \theta_2) i)A×B=(ab(cosθ1cosθ2sinθ1sinθ2),ab(sinθ1cosθ2+cosθ1sinθ2)i)=(abcos(θ1+θ2),absin(θ1+θ2)i)

引入nnn次复根,即xn=1x ^ n = 1xn=1,这样的解显然有nnn个,设wni=e2πniw_{n} ^{i} = e ^{\frac{2 \pi}{n} i}wni=en2πi,在复平面内即是把一个圆分成了nnn等份。

我们取nnn等分的第一个交所对应的向量wn=cos⁡(2πn)+sin⁡(2πn)iw_n = \cos(\frac{2 \pi}{n}) + \sin(\frac{2 \pi}{n}) iwn=cos(n2π)+sin(n2π)i,则其他复根都可用wnw_nwniii次幂来表示。

快速傅里叶变换

考虑如何分治求解:

f(x)=a0+a1x+a2x2+a3x3+a4x4+a5x5+a6x6a7x7f(x) = a_0 + a_1 x + a_2 x ^ 2 + a_3 x ^ 3 + a_4 x ^ 4 + a_5 x ^ 5 + a_6 x ^ 6 a_ 7 x ^ 7f(x)=a0+a1x+a2x2+a3x3+a4x4+a5x5+a6x6a7x7

按照xxx的次幂,分奇偶,再在右边提出一个xxx

f(x)=(a0+a2x2+a4x4+a6x6)+x(a1+a3x2+a5x4+a7x6)f(x) = (a_0 + a_2 x ^ 2 + a_4 x ^ 4 + a_6 x ^ 6) + x (a_1 + a_3 x ^ 2 + a_5 x ^ 4 + a_7 x ^ 6)f(x)=(a0+a2x2+a4x4+a6x6)+x(a1+a3x2+a5x4+a7x6)

G(x)=a0+a2x+a4x2+a6x3G(x) = a_0 + a_2 x + a_4 x ^ 2 + a_6 x ^ 3G(x)=a0+a2x+a4x2+a6x3

H(x)=a1+a3x+a5x2+a7x3H(x) = a_1 + a_3 x + a_5 x ^ 2 + a_7 x ^ 3H(x)=a1+a3x+a5x2+a7x3

f(x)=G(x2)+xH(x2)f(x) = G(x ^ 2) + x H(x ^ 2)f(x)=G(x2)+xH(x2)

由单位复根有

DFT(f(wnk))=DFT(G(wn2k))+wnkDFT(H(wn2k))=DFT(G(wn2k))+wnkDFT(H(wn2k))DFT(f(w _n ^ k)) = DFT(G(w _n ^{2k})) + w_n ^ k DFT(H(w _n ^{2k})) = DFT(G(w _{\frac{n}{2}} ^ k)) + w_n ^ k DFT(H(w_{\frac{n}{2}} ^ k))DFT(f(wnk))=DFT(G(wn2k))+wnkDFT(H(wn2k))=DFT(G(w2nk))+wnkDFT(H(w2nk))

DFT(f(wnk+n2))=DFT(G(wn2k))−wnkDFT(H(wn2k))DFT(f(w _n ^{k + \frac{n}{2}})) = DFT(G(w_{\frac{n}{2}} ^ k)) - w_n ^ k DFT(H(w _{\frac{n}{2}} ^ k))DFT(f(wnk+2n))=DFT(G(w2nk))wnkDFT(H(w2nk))

由此,求出DFT(G(wn2k))DFT(G(w _{\frac{n}{2}} ^k))DFT(G(w2nk))DFT(H(wn2k))DFT(H(w_{\frac{n}{2}} ^ k))DFT(H(w2nk))即可知DFT(f(wnk)),DFT(f(wnk+n2))DFT(f(w _n ^ k)), DFT(f(w _n ^{k + \frac{n}{2}}))DFT(f(wnk)),DFT(f(wnk+2n))然后对G,HG, HG,H再分别递归求解即可。

快速傅里叶逆变换

把单位复根值代入多项式,得到的是如下结果:

[y0y1y2⋮yn−2yn−1]\left[ \begin{matrix} y_0\\ y_1\\ y_2\\ \vdots\\ y_{n - 2}\\ y_{n - 1}\\ \end{matrix} \right]y0y1y2yn2yn1 = [111⋯111wn1wn2⋯wnn−2wnn−11wn2wn4⋯wn2(n−2)wn2(n−1)⋮⋮⋮⋱⋮⋮1wnn−2wn2(n−2)⋯wn(n−2)(n−2)wn(n−1)(n−2)1wnn−1wn2(n−1)⋯wn(n−2)(n−1)wn(n−1)(n−1)]\left[ \begin{matrix} 1 & 1 & 1 & \cdots & 1 & 1\\ 1 & w_n ^ 1 & w_n ^ 2 & \cdots & w_n ^ {n - 2} & w_n ^{n - 1}\\ 1 & w_n ^ 2 & w_n ^ 4 & \cdots & w_n ^ {2(n - 2)} & w_n ^{2(n - 1)}\\ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots\\ 1 & w_n ^{n - 2} & w_n ^ {2(n - 2)} & \cdots & w_n ^{(n - 2)(n - 2)} & w_n ^{(n - 1)(n - 2)}\\ 1 & w_n ^{n - 1} & w_n ^ {2(n - 1)} & \cdots & w_n ^{(n - 2)(n - 1)} & w_n ^{(n - 1)(n - 1)}\\ \end{matrix} \right]111111wn1wn2wnn2wnn11wn2wn4wn2(n2)wn2(n1)1wnn2wn2(n2)wn(n2)(n2)wn(n2)(n1)1wnn1wn2(n1)wn(n1)(n2)wn(n1)(n1) [a0a1a2⋮an−2an−1]\left[ \begin{matrix} a_0\\ a_1\\ a_2\\ \vdots\\ a_{n - 2}\\ a_{n - 1}\\ \end{matrix} \right]a0a1a2an2an1

经过DFTDFTDFT我们已经得到了左边的矩阵,考虑如何变换得到右边的系数矩阵,线性代数我们知道,只要在左边乘上一个中间大矩阵的逆,我们即可得到右边的系数矩阵。

由于这个矩阵的元素非常特殊,他的逆矩阵也有特殊的性质,就是每一项取倒数,再除以nnn,就能得到他的逆矩阵。

每一项取倒数有1wn=wn−1=e−2πin=cos⁡(2πn)+isin⁡(−2πn)\frac{1}{w_n} = w_{n} ^{-1} = e ^{-\frac{2 \pi i}{n}} = \cos(\frac{2 \pi}{n}) + i \sin (- \frac{2 \pi}{n})wn1=wn1=en2πi=cos(n2π)+isin(n2π),所以我们只要将这个代入做一次DFTDFTDFT,也就是IDFTIDFTIDFT,最后再对整体除以nnn即可得到系数矩阵。

对以上进行证明

f(x)=∑i=0n−1aixif(x) = \sum\limits_{i = 0} ^{n - 1} a_i x ^ if(x)=i=0n1aixiyi=f(wni)y_i = f(w_n ^ i)yi=f(wni),构造A(x)=∑i=0n−1yixiA(x) = \sum\limits_{i = 0} ^{n - 1}y_i x ^ iA(x)=i=0n1yixi,将bi=wn−ib_i = w_{n} ^{-i}bi=wni代入多项式A(x)A(x)A(x)

A(bk)=∑i=0n−1yiwn−ik=∑i=0n1wn−ik∑j=0n−1ajwnij=∑j=0n−1aj∑i=0n−1(wnj−k)iA(b_k) = \sum\limits_{i = 0} ^{n - 1} y_i w_n ^{-ik} = \sum\limits_{i = 0} ^{n 1}w_n ^{-ik} \sum\limits_{j = 0} ^{n - 1} a_j w_{n} ^{ij} = \sum\limits_{j = 0} ^{n - 1} a_j\sum\limits_{i = 0} ^{n - 1} (w_{n} ^{j - k}) ^ iA(bk)=i=0n1yiwnik=i=0n1wnikj=0n1ajwnij=j=0n1aji=0n1(wnjk)i

S(wna)=∑i=0n−1(wna)iS(w_{n} ^ a) = \sum\limits _{i = 0} ^{n - 1} (w_{n} ^{a}) ^ iS(wna)=i=0n1(wna)i

显然有a=0a = 0a=0S(wna)=nS(w_n ^ a) = nS(wna)=n

a≠0a \neq 0a=0,时我们取S(wna),wnaS(wna)S(w_n ^ a),w_n ^ a S(w_n ^ a)S(wna),wnaS(wna),两者相减,除以一个系数有S(wna)=∑i=1n(wna)i−∑i=0n−1(wna)iwna−1=(wna)n−(wna)0wna−1=0S(w_n ^ a) = \frac{\sum\limits_{i = 1} ^{n} (w_n ^ a) ^ i - \sum\limits_{i = 0} ^{n - 1} (w_n ^ a) ^ i}{w_n ^ a - 1} = \frac{(w_n ^ a) ^ n - (w_n ^ a) ^ 0}{w_n ^ a - 1} = 0S(wna)=wna1i=1n(wna)ii=0n1(wna)i=wna1(wna)n(wna)0=0

所以有S(wna)=[a=1]S(w_n ^ a) = [a = 1]S(wna)=[a=1]

A(bk)=ak×nA(b_k) = a_k \times nA(bk)=ak×n

仔细想想,这个证明,就是把我们DFTDFTDFT过程中得到的点值作为系数去做一遍DFTDFTDFT,得到的也就是A(x)A(x)A(x)的点值表达式,同时对其除以nnn,也就是f(x)f(x)f(x)的系数表达式了。

如何优化(蝴蝶变换)

分治过程中考虑系数如何变换
{a0,a1,a2,a3,a4,a5,a6,a7}{a0,a2,a4,a6}{a1,a3,a5,a7}{a0,a4}{a2,a6}{a1,a5}{a3,a7}{a0}{a4}{a2}{a6}{a1}{a5}{a3}{a7}\{a_0, a_1, a_2, a_3, a_4, a_5, a_6, a_7\}\\ \{a_0, a_2, a_4, a_6\}\{a_1, a_3, a_5, a_7\}\\ \{a_0, a_4\}\{a_2, a_6\}\{a_1, a_5\}\{a_3, a_7\}\\ \{a_0\}\{a_4\}\{a_2\}\{a_6\}\{a_1\}\{a_5\}\{a_3\}\{a_7\}\\ {a0,a1,a2,a3,a4,a5,a6,a7}{a0,a2,a4,a6}{a1,a3,a5,a7}{a0,a4}{a2,a6}{a1,a5}{a3,a7}{a0}{a4}{a2}{a6}{a1}{a5}{a3}{a7}

这个过程中有一个规律,例如1=0011 = 0011=001,倒置后变成了100100100444,也即是最后a1a_1a1所在的位置。

r[i]r[i]r[i]表示iii翻转之后的数字,考虑如何从小到大递推得到r[i]r[i]r[i],有r[0]=0r[0] = 0r[0]=0,当我们在求xxx时,先考虑除个位数以外的数,就是r[x>>1]>>1r[x >> 1] >> 1r[x>>1]>>1了,如果个位是111则加上lim>>1lim >> 1lim>>1,就有了如下代码

void change(int lim) {for (int i = 0; i < lim; i++) {r[i] = (i & 1) * (lim >> 1) + (r[i >> 1] >> 1);}
}

真正可用的FFTFFTFFT代码

P3803 【模板】多项式乘法(FFT)

#include <bits/stdc++.h>using namespace std;struct Complex {double r, i;Complex(double _r = 0, double _i = 0) : r(_r), i(_i) {}
};Complex operator + (const Complex &a, const Complex &b) {return Complex(a.r + b.r, a.i + b.i);
}Complex operator - (const Complex &a, const Complex &b) {return Complex(a.r - b.r, a.i - b.i);
}Complex operator * (const Complex &a, const Complex &b) {return Complex(a.r * b.r - a.i * b.i, a.r * b.i + a.i * b.r);
}Complex operator / (const Complex &a, const Complex &b) {return Complex((a.r * b.r + a.i * b.i) / (b.r * b.r + b.i * b.i), (a.i * b.r - a.r * b.i) / (b.r * b.r + b.i * b.i));
}typedef long long ll;const int N = 5e6 + 10;int r[N], n, m;Complex a[N], b[N];void get_r(int lim) {for (int i = 0; i < lim; i++) {r[i] = (i & 1) * (lim >> 1) + (r[i >> 1] >> 1);}
}void FFT(Complex *f, int lim, int rev) {for (int i = 0; i < lim; i++) {if (i < r[i]) {swap(f[i], f[r[i]]);}}const double pi = acos(-1.0);for (int mid = 1; mid < lim; mid <<= 1) {Complex wn = Complex(cos(pi / mid), rev * sin(pi / mid));for (int len = mid << 1, cur = 0; cur < lim; cur += len) {Complex w = Complex(1, 0);for (int k = 0; k < mid; k++, w = w * wn) {Complex x = f[cur + k], y = w * f[cur + mid + k];f[cur + k] = x + y, f[cur + mid + k] = x - y;}}}if (rev == -1) {for (int i = 0; i < lim; i++) {a[i].r /= lim;}}
}int main() {// freopen("in.txt", "r", stdin);// freopen("out.txt", "w", stdout);scanf("%d %d", &n, &m);n += 1, m += 1;for (int i = 0; i < n; i++) {scanf("%lf", &a[i].r);}for (int i = 0; i < m; i++) {scanf("%lf", &b[i].r);}int lim = 1;while (lim <= n + m) {lim <<= 1;}get_r(lim);FFT(a, lim, 1);FFT(b, lim, 1);for (int i = 0; i < lim; i++) {a[i] = a[i] * b[i];}FFT(a, lim, -1);for (int i = 0; i < n + m - 1; i++) {printf("%lld ", ll(a[i].r + 0.5));}puts("");return 0;
}

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。如若转载,请注明出处:http://www.mzph.cn/news/313992.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2019-03-19-算法-进化(报数)

题目描述 报数序列是一个整数序列&#xff0c;按照其中的整数的顺序进行报数&#xff0c;得到下一个数。其前五项如下&#xff1a; 1. 1 2. 11 3. 21 4. 1211 5. 1112211 被读作 “one 1” (“一个一”) , 即 11。 11 被读作 “two 1s” (“两个一”&…

AT2675 [AGC018F] Two Trees(欧拉回路)

AT2675 [AGC018F] Two Trees 首先我们看到1或-1&#xff0c;那么就是限制差距在1以内&#xff0c;然后我们可以想到构造一些东西来满足这种东西&#xff0c;然后我们经常利用的就是欧拉回路。 首先这是两个树&#xff0c;然后我们可以根据儿子个数来判断当前点的奇偶性&#x…

.netcore 分布式事务CAP2.6之控制台使用

上一编.netcore 分布式事务CAP2.6 快速入门 讲了cap2.6的快速入门&#xff0c;这次我们来讲讲在控制台中如何使用cap2.6。因为cap2.6的内存模式目前已经可以使用了&#xff0c;相关组件已经更新&#xff0c;所以这次我们以简单的内存模式为例。1&#xff1a;创建项目创建一个名…

2019-03-18-算法-进化(有效的字母异位词)

给定两个字符串 s 和 t &#xff0c;编写一个函数来判断 t 是否是 s 的一个字母异位词。 示例 1: 输入: s "anagram", t "nagaram" 输出: true示例 2: 输入: s "rat", t "car" 输出: false说明: 你可以假设字符串只包含小写字母…

P6378 [PA2010] Riddle(2-sat/前后缀优化建图)

P6378 [PA2010] Riddle n个点m条边的无向图&#xff0c;分为k个部分&#xff0c;从每个部分选择恰好一个关键点&#xff0c;使得每条边至少有一个端点是关键点。 首先有这么多的限制&#xff0c;实际上就是一个选或者不选的问题&#xff0c;每条边的限制相当于一个不选就必须…

2019-03-18-算法-进化(删除链表的倒数第N个节点)

给定一个链表&#xff0c;删除链表的倒数第 n 个节点&#xff0c;并且返回链表的头结点。 示例&#xff1a; 给定一个链表: 1->2->3->4->5, 和 n 2.当删除了倒数第二个节点后&#xff0c;链表变为 1->2->3->5.说明&#xff1a; 给定的 n 保证是有效的。…

TestinPro应用与DevOps之路

文 | 中国农业银行软件研发中心 系统支持部 王晓昕 程伟静 胡莉莉Testin Pro&#xff08;云测平台&#xff09;是一款移动端自动化测试平台工具&#xff0c;帮助用户实现移动端测试自动化&#xff0c;是一套设备统一调配、软硬件一体化的移动端测试方案。Testin Pro具有在线录制…

多项式开根

多项式开根 给定多项式g(x)g(x)g(x)&#xff0c;求f(x)f(x)f(x)&#xff0c;满足f2(x)g(x)f ^ 2(x) g(x)f2(x)g(x)。 假设我们已经得到了g(x)g(x)g(x)&#xff0c;膜x⌈n2⌉x ^{\lceil \frac{n}{2} \rceil}x⌈2n​⌉下的根f0(x)f_0 (x)f0​(x)&#xff0c;要求膜xnx ^ nxn下…

通过Service访问应用 (2)

目录 通过NodePort Service在外部访问集群应用 通过LoadBalancer Service在外部访问集群应用 Microsoft SQL Server数据库部署 为了便于理解和学习&#xff0c;请先阅读上一篇《通过Service访问应用 &#xff08;1&#xff09;》再继续学习本篇内容。通过NodePort Service在外…

2019-03-18-算法-进化(反转链表)

题目描述 反转一个单链表。 示例: 输入: 1->2->3->4->5->NULL 输出: 5->4->3->2->1->NULL进阶: 你可以迭代或递归地反转链表。你能否用两种方法解决这道题&#xff1f; /*** 思路1&#xff1a;迭代法&#xff0c;直接依次反转链表* 时间复杂度…

分治FFT

分治FFT 考虑计算这么一个式子f(i)∑j1ifi−jg(j)f(i) \sum\limits_{j 1} ^{i} f_{i - j}g(j)f(i)j1∑i​fi−j​g(j)&#xff0c;给定g(x)g(x)g(x)&#xff0c;求f(x)f(x)f(x)&#xff0c;边界条件f(0)1f(0) 1f(0)1。 假设我们已经算出[l,mid][l, mid][l,mid]&#xff0c…

微软商业智能BI知识整合篇-五大工具产品系列文章

在最近2个月时间里&#xff0c;笔者尝试将自身在企业级商业智能BI的知识及经验进行梳理&#xff0c;以文章的方式输送给广大读者们阅读。笔者同样是非科班专业人员&#xff0c;但在过往的摸索过程中&#xff0c;积累的系列知识足够应付一般性地企业级商业智能BI项目需要。相信在…

2019-03-21-算法-进化(合并两个有序链表)

题目描述 将两个有序链表合并为一个新的有序链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 示例&#xff1a; 输入&#xff1a;1->2->4, 1->3->4 输出&#xff1a;1->1->2->3->4->4思路1&#xff1a;双指针法 /*** 合并两个有序…

多项式对数函数ln f(x)

多项式对数函数ln⁡f(x)\ln f(x)lnf(x) 如果存在解必然有[x0]f(x)1[ x ^ 0]f(x) 1[x0]f(x)1&#xff0c; 对ln⁡f(x)\ln f(x)lnf(x)求导&#xff0c;有dln⁡f(x)dx≡f′(x)f(x)(modxn)\frac{d \ln f(x)}{dx} \equiv \frac{f(x)}{f(x)} \pmod {x ^ n}dxdlnf(x)​≡f(x)f′(x)…

【A】兼容Core3.0后 Natasha 的隔离域与热编译操作。

文章转载授权级别&#xff1a;A 预计阅读时间&#xff1a;15分钟一、 2.0预览版本增加了哪些功能大部分为底层的升级优化&#xff0c;例如&#xff1a;引擎兼容 Core3.0优化编译流程&#xff0c;增加编译前语法检测及日志&#xff0c;统一采用流加载方式在 Vito 的建议…

2019-03-22-算法-进化(回文链表)

题目描述 请判断一个链表是否为回文链表。 示例 1: 输入: 1->2 输出: false示例 2: 输入: 1->2->2->1 输出: true进阶&#xff1a; 你能否用 O(n) 时间复杂度和 O(1) 空间复杂度解决此题&#xff1f; 解题 思路1&#xff1a;直接利用List的顺序存储性&#x…

多项式牛顿迭代(应用:求逆,开根,对数exp)

多项式牛顿迭代 给定多项式g(x)g(x)g(x)&#xff0c;求f(x)f(x)f(x)&#xff0c;满足g(f(x))≡0(modxn)g(f(x)) \equiv 0 \pmod {x ^ n}g(f(x))≡0(modxn)。 泰勒展开 对于现有得f(x)f(x)f(x)&#xff0c;构造一个多项式g(x)g(x)g(x)&#xff0c;使得f(n)(x)g(n)(x)f^{(n)}(…

.NET Core 使用 K8S ConfigMap的正确姿势

背景ASP.NET Core默认的配置文件定义在 appsetings.json和 appsettings.{Environment}.json文件中。这里面有一个问题就是&#xff0c;在使用容器部署时&#xff0c;每次修改配置文件都需要重新构建镜像。当然你也可能会说&#xff0c;我的配置文件很稳定不需要修改&#xff0c…

2019-03-22-算法-进化(环形链表)

题目描述 给定一个链表&#xff0c;判断链表中是否有环。 为了表示给定链表中的环&#xff0c;我们使用整数 pos 来表示链表尾连接到链表中的位置&#xff08;索引从 0 开始&#xff09;。 如果 pos 是 -1&#xff0c;则在该链表中没有环。 示例 1&#xff1a; 输入&#xf…

ASP.NET Core on K8S深入学习(9)Secret Configmap

本篇已加入《.NET Core on K8S学习实践系列文章索引》&#xff0c;可以点击查看更多容器化技术相关系列文章。01—Secret关于Secret在应用启动过程中需要一些敏感信息&#xff0c;比如数据库用户名、密码&#xff0c;如果直接明文存储在容器镜像中是不安全的&#xff0c;K8S提供…