我用 pg 尝试过类似的功能，用 hll 存用户看过的视频，和你的需求应该差不多 https://github.com/mmooyyii/mmooyyii/blob/master/docs/database/tiplist1.md

@also24 leetcode 第一题，O(n2)的解法，python 超时，C++能过。

不清楚你具体要怎样做模糊查询，举几种常见场景
1. 查询 json 中的第一层存在 key 为 1 的行，比如{"1":"abc"}，需要在 json 列建 gin 索引
create index test_data1_gin on test using gin (data1);
select * from test where data1 ? '1';

2. 查询 json 中某个具体键的值，比如{'age':18},需要对 json->>'age'建索引
create index test_data1_btree on test using btree ((data1 ->> 'age'));
select * from test where data1 ->> 'age' = 18;

3. like '":2' 比如'{"1":2}'， 那这一列不应该存为 json，应该存为 text，然后加上 gin 索引

return resp.encode('utf-8') 改成 return [resp.encode('utf-8')] 即可

@tikazyq 你这 python 代码多用了这么多内存，公平吗？

不会有人以为会写 c++等于有能力写 numpy 吧

有这发帖的时间，你自己写一个都写完了。

试了一下，
data := [26]byte{
0x99, 0x88, 0x02, 0x00, 0x00,
0x01, 0x00, 0x00, 0x00, 0x0a,
0x00, 0x0e, 0x0c, 0x32, 0x31,
0x30, 0x31, 0x31, 0x38, 0x30,
0x37, 0x30, 0x30, 0x31, 0x30,
0x18}
这样能返回 F9 56

随便写了一个答案,应该是正解

def solution():
____a = [2, 3, 5, 7, 9]
____ret = []
____memo = set()

____def dp(index, acc):
________if (index, tuple(acc)) in memo:
____________return
________else:
____________memo.add((index, tuple(acc)))
________if index == 5:
____________return
________if sum(acc) == 13:
____________ret.append(tuple(acc))
________if sum(acc) >= 13:
____________return
________dp(index + 1, acc[:])
________dp(index, acc[:] + [a[index]])

____dp(0, [])
____return ret

用 expect 就行了

#!/usr/bin/expect
spawn ssh root@{host} -p {port}
expect "{host}'s password: "
send "{password}"
interact

这是 ssh 的例子

1

从 A 点到 B 点的概率约等于 1/（ A，B 距离画一个圆，落在圆上的点的个数）
所以只要距离原点 2-3 个点就很难回到原点了。

不如 asyncio.sleep

@starzh 小说章节和用户是多对多的关系，一般来说会建一个只包含用户主键和小说章节的表来储存这种关系。

select TO_TIMESTAMP("unixTime"::int) from item;

@contextmanager
def timeout_signal(second):
____signal.signal(signal.SIGALRM, raise_timeout)
____signal.alarm(second)
____try:
________yield
____finally:
________signal.signal(signal.SIGALRM, signal.SIG_IGN)


def raise_timeout(_signum, _frame):
____raise TimeoutError


def timeout(second):
____def _timeout(fun):
________@wraps(fun)
________def _fun(*args, **kwargs):
____________with timeout_signal(second):
________________return fun(*args, **kwargs)

________return _fun

____return _timeout


@timeout(1)
def f():
____pass


我平时的用脚本里是这样写的，性能好坏不确定。

@xupefei
emails = ['[email protected]']
names = {'alice', 'bob'}
min_name_length = 3
max_name_length = 10

for email in emails:
____for window_size in range(min_name_length, max_name_length):
________left, right = 0, window_size
________while right <= len(email):
____________if email[left:right] in names:
________________print(email)
____________left += 1
____________right += 1

因为 email 地址和 name 肯定都是很小的值，所以下面 2 个循环是 O(1),整体是 O(n)没有问题吧。

除了 ac 自动机外再提供一个写起来简单的方法
假设英文名长度在 3-10 之间，把英文名按长度存到 8 个哈希表中（其实存到一个里也没关系），用长度是 3-10 的滑动窗口遍历邮件地址，窗口每动一下去查一下对应长度的哈希表，时间复杂度也是 O(N)。 应该用几个小时就能跑完。

min_pk,max_pk = select min(primary_key), max(primary_key) from table where a > xx;
select xxxx from tables where min_pk < pk and pk < max_pk and a > xx order by update limit 100;
可以试一试这样有没有用。
参考了这篇博客
https://github.com/digoal/blog/blob/master/202007/20200710_01.md