從「週期性任務」優化談起，一步步深入後端核心議題第二篇 🚀 快取策略：讓網頁不卡卡的第一步

💡 選擇一種聰明的流程設計，比引入各種複雜解決方案更有效、更易維護 在一開始研究週期性任務該怎麼實作時，我發現 Microsoft To Do 採用了一個聰明的設計方式，他們不會提前計算所有未來的任務，也不會一次產生一整串任務清單。而是：🕹️ 當用戶完成任務的那一刻，根據任務的週期設定，自動計算並產生下一個任務。(這是我在使用中觀察到的，嘗試理解我所看到的，實際上我並不知道資料如何傳遞，以
後端 > 從「週期性任務」優化談起，一步步深入後端核心議題
#Java #快取 #快取策略 #後端開發 #系統效能優化 #Redis #Spring Boot #記憶體快取 #分散式系統 #資料一致性 #Cache Invalidation #Cache Aside #Write-Through #Write-Behind #分頁快取 #熱點快取 #Cache Avalanche #Cache Breakdown #系統設計

從「週期性任務」優化談起，一步步深入後端核心議題第一篇

前言這個系列文章是以我的 side project “DoIt” 的尚未實作的功能——「週期性任務功能」為起點，模擬開發過程中可能遇到的問題，並延伸探討後端架構設計相關的議題，如資料庫設計、效能瓶頸、系統擴充與穩定性等。 🗓️ 摘要在這篇文章中，我會紀錄我從 side project 中尚未實作的功能「週期性任務（Recurring Task）」當作情境並討論解決方案和問題。這是一個在 ToDo
後端 > 從「週期性任務」優化談起，一步步深入後端核心議題
#backend #system-design #database #recurring-tasks #async #caching #api-rate-limit #data-consistency #architecture #software-engineering

1123. Lowest Common Ancestor of Deepest Leaves - Medium

前往題目 想法 DFS 思路 DFS 往最深處找，找到大於當前已知最深的深度就更新，node也要一併更新因為有可能沒有共同ancestor這時答案就是leaf node本身 左右都找到最深，並且每次都要判斷是否當前是最深leaf的ancestor以更新答案 Code class Solution { TreeNode res; int maxDepth;
Leetcode > Medium
#Leetcode #心得 #Binary Tree #Hash Table #Depth-First Search #Breadth-First Search #Tree

2873. Maximum Value of an Ordered Triplet I - Easy

前往題目 想法 三個循環，難怪是Easy，但八成不是最優解 思路 題目要求最大化(nums[i] - nums[j]) * nums[k] 可拆解為 -> nums[i] - nums[j] 以及 nums[k]最大化 於是在疊代的過程中，維護三個值分別是最大的nums[i] - nums[j]，最大的nums[k]，以及最重要的答案 因為都是往右走，所以不會有順序問題產生，每次的值都是
Leetcode > Easy
#Leetcode #心得 #Array