题目描述

image.png
image.png

看到题目其实很快就能想到思路

(现有数据的长度 + 缺失的长度) 平均值 = 数据的总和 如果 数据的总和 - 现有数据的总和 > 缺失的长度 骰子的最大值6 则代表没有这么多的空间可以容纳，返回空数组就可以了

最大的问题在于当 数据的总和 - 现有数据的总和 < 缺失的长度 * 骰子的最大值6 时，这个时候会出现一种情况 比如 数据的总和 - 现有数据的总和 = 19， 缺失的长度为5， 那么很容易就能得到这是有解的，能想到返回解是[3,4,4,4,4]是最方便的，但是19/5=3，如何变成4就是最影响效率的事情

示例代码

  1. public int[] missingRolls(int[] rolls, int mean, int n) {
  2.         int rLen = rolls.length;
  3.         int sumLen = rLen + n;
  4.         int sum = mean * sumLen;
  6.         int rSum = 0;
  7.         for(int r : rolls){
  8.             rSum += r;
  9.         }
  11.         if((sum-rSum) > 6*n || (sum-rSum) < n){
  12.             return new int[0];
  13.         }else{
  14.             int[] res = new int[n];
  15.             int temp = 0;
  16.             for(int i=0; i<n; i++){
  17.                 res[i] = (sum-rSum)/n;
  18.                 temp += (sum-rSum)/n;
  19.             }
  20.             int temp2 = (sum-rSum) - temp;
  21.             for(int i=0; i<temp2; i++){
  22.                 res[i] = res[i]+1;
  23.             }
  25.             return res;
  26.         }
  27.     }

结合对题目的分析，可以知道
image.png
这部分代码是最影响效率的，上述代码分配的方法是先按照取余进行分配，分配之后剩下的数，在从头开始依次加1，这里也贴出官解的代码

  1. public int[] missingRolls(int[] rolls, int mean, int n) {
  2.     int m = rolls.length;
  3.     int sum = mean * (n + m);
  4.     int missingSum = sum;
  5.     for (int roll : rolls) {
  6.         missingSum -= roll;
  7.     }
  8.     if (missingSum < n || missingSum > 6 * n) {
  9.         return new int[0];
  10.     }
  11.     int quotient = missingSum / n, remainder = missingSum % n;
  12.     int[] missing = new int[n];
  13.     for (int i = 0; i < n; i++) {
  14.         missing[i] = quotient + (i < remainder ? 1 : 0);
  15.     }
  16.     return missing;
  17. }

业务场景

分配的过程，也是kafka 分区分配策略里的 range