สรุป: Data Structure และ Algorithm Thinking
ทบทวน list, map, queue, tree, graph, search, ranking และ complexity
เป้าหมาย: เลือกแบบจำลองข้อมูลและตั้ง acceptance metric · ใช้เวลาประมาณ 14 นาที
ข้อ 1
map ต้องมีอะไร
- สี
- key ที่กำหนด identity
ดูคำตอบและคำอธิบาย
key ที่กำหนด identity key ช่วยค้นและป้องกันการสร้าง record ซ้ำ
ข้อ 2
priority queue เสี่ยงอะไร
- starvation
- รูปภาพเบลอ
ดูคำตอบและคำอธิบาย
starvation งาน priority ต่ำอาจไม่ถูกทำหากไม่มี aging rule
ข้อ 3
tree เหมาะกับอะไร
- parent-child hierarchy
- ความสัมพันธ์ทุกชนิดเสมอ
ดูคำตอบและคำอธิบาย
parent-child hierarchy สิ่งที่มีหลาย parent อาจต้อง graph หรือ tagging
ข้อ 4
graph ช่วยเห็นอะไร
- dependency และ cycle
- font
ดูคำตอบและคำอธิบาย
dependency และ cycle node/edge แสดงเส้นทางและการวน
ข้อ 5
ranking ต้องเปิดอะไร
- criteria/weight/tie-break
- API key
ดูคำตอบและคำอธิบาย
criteria/weight/tie-break ลำดับมีผลและอาจซ่อน bias
ข้อ 6
complexity ถามอะไร
- งานโตอย่างไรเมื่อ input โต
- ชื่อ framework
ดูคำตอบและคำอธิบาย
งานโตอย่างไรเมื่อ input โต ช่วยคาด latency และ cost ก่อนระบบโต
บันทึกช่วยจำ
- ใช้ข้อมูล synthetic ในแบบฝึก
- ทดสอบ workload จริงก่อนตัดสิน production
สรุปบทเรียนนี้
- model data
- choose operations
- measure scale and fairness