模型 Ø 统计模型 Ø 传统机器学习模型 Ø 深度学习模型 Ø 如何选择？是否组合？ • 评估 Ø 评估指标 Ø 工具 • 迭代 Ø 策略？ • 服务化 Ø 服务框架 Ø 性能 Ø 稳定性 各个击破－业务 u 想给小孩报名英文课，不清楚课程内 容和价格怎么办？ u 课程看着不错，能直接帮忙预约一次 体验课？ u 想给爸妈买点红酒，该怎么挑？怎么 给爸妈讲解红酒的喝法？红酒要怎么

Splunk 使⽤用开源⽅方案时需要考虑 • 没有银弹，没有one for all • 选择合适的⽅方案组合，但也不不要万花筒。 • 开源 不不等于 免费 • 学习、迁移、维护升级、稳定性、License、潜在坑等 • 某些开源软件的重要扩展是需要额外费⽤用的。 • 结合团队、技术需求、⽅方案选择做细致评估。 • 商业软件或SaaS⽅方案（简化Ops平台⾃自身运维成本）也可作为选

可以自定义扩展并 注册 5. 在这套系统下，有 很多简单的自定义 扩展可供练手 任何在不使用该系统时拥有的功能（PYC二进制文件 发布，C扩展等等），在使用该系统后得以保持，拥有 工业级的可靠性和稳定性 6 如何工作？ Python Import 忽略Cache Loader, 只对源代码Loader 重写get_data方法 调用父get_data方法， 拿到源代码 moshmosh

可以自定义扩展并 注册 5. 在这套系统下，有 很多简单的自定义 扩展可供练手 任何在不使用该系统时拥有的功能（PYC二进制文 件发布，C扩展等等），在使用该系统后得以保持，拥 有工业级的可靠性和稳定性 6 2 表达能力的极限， 由内破除， 还是从外破除？ 想要在Python的基础上拥有更多的语法、语义， 有很多办法。 我们要选择其中一个实现简单、易维护、 拥有鲁棒性的方式。 什么是“从外部破除”

判断规则，例如数字大小、字符 ASCII 码顺序、自定义规则； Figure 11‑1. 排序中不同的元素类型和判断规则 11.1.1. 评价维度 排序算法主要可根据 稳定性、就地性、自适应性、比较类 来分类。 稳定性 ‧「稳定排序」在完成排序后，不改变 相等元素在数组中的相对顺序。 ‧「非稳定排序」在完成排序后，相等元素在数组中的相对位置 可能被改变。 假设我们有一个存储学生信息的表格，第

外辅助数组，节约内存；并且 一般情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序 不会发生改变。假设我们有一个存储学生 信息的表格，第 1, 2 列分别是姓名和年龄。那么在以下示例中，「非稳定排序」会导致输入数据的有序性丢失。 稳定性是排序算法很好的特性，在多级排序中是必须的。 # 输入数据是按照姓名排序好的 # (name

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。 通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失： 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 hello‑algo.com 243 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一

对于大数据量情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 图 11‑19 排序算法对比 第 11 章 排序 hello‑algo.com 244 2. Q & A � 排序算法稳定性在什么情况下是必须的？ 在现实中，我们有可能是在对象的某个属性上进行排序。例如，学生有姓名和身高两个属性， 我们希望实现一个多级排序/

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内 存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，「 条件。在实际应用中，我们需要 根据数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 hello‑algo.com 244 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一

于大数据量的情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接操作实现排序，无须借助额外的辅助数组，从而节省内存。 通常情况下，原地排序的数据搬运操作较少，运行速度也更快。 稳定性：稳定排序在完成排序后，相等元素在数组中的相对顺序不发生改变。 稳定排序是多级排序场景的必要条件。假设我们有一个存储学生信息的表格，第 1 列和第 2 列分别是姓名和 年龄。在这种情况下，非稳定排序可能导致输入数据的有序性丧失： 。在实际应用中，我们需要根据 数据的特性来选择合适的排序算法。 ‧ 图 11‑19 对比了主流排序算法的效率、稳定性、就地性和自适应性等。 第 11 章 排序 www.hello‑algo.com 243 图 11‑19 排序算法对比 2. Q & A Q：排序算法稳定性在什么情况下是必需的？ 在现实中，我们有可能基于对象的某个属性进行排序。例如，学生有姓名和身高两个属性，我们希望实现一