LeetCode 题解工作台
找到处理最多请求的服务器
你有 k 个服务器,编号为 0 到 k-1 ,它们可以同时处理多个请求组。每个服务器有无穷的计算能力但是 不能同时处理超过一个请求 。请求分配到服务器的规则如下: 第 i (序号从 0 开始)个请求到达。 如果所有服务器都已被占据,那么该请求被舍弃(完全不处理)。 如果第 (i % k) 个服务器空…
4
题型
4
代码语言
3
相关题
当前训练重点
困难 · 贪心·invariant
答案摘要
题目求的是最繁忙的服务器列表,因此可以想到用哈希表记录每个服务器处理的任务数,然后获取所有处理了最大任务数 mx 的服务器列表即可。关键的问题就在于,求出每个任务分配给了哪台服务器处理。 我们用 有序集合 free 存放所有的空闲服务器,优先队列 busy 存放正在处理请求的服务器的处理结束时间和对应的服务器编号,即二元组 `(end, server)`,优先队列满足队首元素的处理结束时间最小,用…
Interview AiBoxInterview AiBox 实时 AI 助手,陪你讲清 贪心·invariant 题型思路
题目描述
你有 k 个服务器,编号为 0 到 k-1 ,它们可以同时处理多个请求组。每个服务器有无穷的计算能力但是 不能同时处理超过一个请求 。请求分配到服务器的规则如下:
- 第
i(序号从 0 开始)个请求到达。 - 如果所有服务器都已被占据,那么该请求被舍弃(完全不处理)。
- 如果第
(i % k)个服务器空闲,那么对应服务器会处理该请求。 - 否则,将请求安排给下一个空闲的服务器(服务器构成一个环,必要的话可能从第 0 个服务器开始继续找下一个空闲的服务器)。比方说,如果第
i个服务器在忙,那么会查看第(i+1)个服务器,第(i+2)个服务器等等。
给你一个 严格递增 的正整数数组 arrival ,表示第 i 个任务的到达时间,和另一个数组 load ,其中 load[i] 表示第 i 个请求的工作量(也就是服务器完成它所需要的时间)。你的任务是找到 最繁忙的服务器 。最繁忙定义为一个服务器处理的请求数是所有服务器里最多的。
请你返回包含所有 最繁忙服务器 序号的列表,你可以以任意顺序返回这个列表。
示例 1:

输入:k = 3, arrival = [1,2,3,4,5], load = [5,2,3,3,3] 输出:[1] 解释: 所有服务器一开始都是空闲的。 前 3 个请求分别由前 3 台服务器依次处理。 请求 3 进来的时候,服务器 0 被占据,所以它被安排到下一台空闲的服务器,也就是服务器 1 。 请求 4 进来的时候,由于所有服务器都被占据,该请求被舍弃。 服务器 0 和 2 分别都处理了一个请求,服务器 1 处理了两个请求。所以服务器 1 是最忙的服务器。
示例 2:
输入:k = 3, arrival = [1,2,3,4], load = [1,2,1,2] 输出:[0] 解释: 前 3 个请求分别被前 3 个服务器处理。 请求 3 进来,由于服务器 0 空闲,它被服务器 0 处理。 服务器 0 处理了两个请求,服务器 1 和 2 分别处理了一个请求。所以服务器 0 是最忙的服务器。
示例 3:
输入:k = 3, arrival = [1,2,3], load = [10,12,11] 输出:[0,1,2] 解释:每个服务器分别处理了一个请求,所以它们都是最忙的服务器。
示例 4:
输入:k = 3, arrival = [1,2,3,4,8,9,10], load = [5,2,10,3,1,2,2] 输出:[1]
示例 5:
输入:k = 1, arrival = [1], load = [1] 输出:[0]
提示:
1 <= k <= 1051 <= arrival.length, load.length <= 105arrival.length == load.length1 <= arrival[i], load[i] <= 109arrival保证 严格递增 。
解题思路
方法一:有序集合 + 优先队列
题目求的是最繁忙的服务器列表,因此可以想到用哈希表记录每个服务器处理的任务数,然后获取所有处理了最大任务数 mx 的服务器列表即可。关键的问题就在于,求出每个任务分配给了哪台服务器处理。
我们用 有序集合 free 存放所有的空闲服务器,优先队列 busy 存放正在处理请求的服务器的处理结束时间和对应的服务器编号,即二元组 (end, server),优先队列满足队首元素的处理结束时间最小,用一个哈希表 cnt 记录每台服务器处理的任务数。
当第 i 个请求到达时,如果 busy 不为空,我们循环判断 busy 队首的任务结束时间是否小于等于当前请求的到达时间 arrival[i],即 start。如果是,说明队首任务在此时刻已经处理结束,可以从 busy 队列中移出,循环判断。
接下来,如果 free 为空,说明当前没有空闲服务器能够处理第 i 个请求,直接 continue 丢弃;否则,查找 free 中大于等于 i % k 的第一个服务器,如果查找成功,那么由该服务器来处理该请求,否则,由 free 的第一个服务器(编号最小)来处理。假设该服务器是 server, 那么 cnt[server] 加 1,同时将二元组 (end, server) 放入优先队列 busy 中,并且将该 server 中有序集合 free 中移出。
最后,只需要获取 cnt 中的最大值 mx,找出处理了 mx 个任务数的服务器列表,即为答案。
class Solution:
def busiestServers(self, k: int, arrival: List[int], load: List[int]) -> List[int]:
free = SortedList(range(k))
busy = []
cnt = [0] * k
for i, (start, t) in enumerate(zip(arrival, load)):
while busy and busy[0][0] <= start:
free.add(busy[0][1])
heappop(busy)
if not free:
continue
j = free.bisect_left(i % k)
if j == len(free):
j = 0
server = free[j]
cnt[server] += 1
heappush(busy, (start + t, server))
free.remove(server)
mx = max(cnt)
return [i for i, v in enumerate(cnt) if v == mx]
复杂度分析
| 指标 | 值 |
|---|---|
| 时间 | Depends on the final approach |
| 空间 | Depends on the final approach |
面试官常问的追问
外企场景- question_mark
Evaluating the use of heaps or ordered sets to manage server availability indicates a strong understanding of efficient data structures.
- question_mark
Attention to handling edge cases such as all servers being busy or requests being dropped tests the candidate's problem-solving thoroughness.
- question_mark
Efficiently managing a large number of requests signals competency in optimizing both space and time complexity.
常见陷阱
外企场景- error
Incorrectly handling requests when no server is available, leading to errors in dropped request counting.
- error
Failure to maintain proper availability of servers, potentially causing incorrect assignment of requests.
- error
Not considering edge cases such as when all servers handle the same number of requests, leading to wrong results.
进阶变体
外企场景- arrow_right_alt
Change the server handling capacity, such as allowing multiple requests to be processed simultaneously on each server.
- arrow_right_alt
Introduce varying server speeds, where each server has a different handling time for requests, requiring dynamic load balancing.
- arrow_right_alt
Implement a scenario where requests can be delayed or split, complicating the availability of servers and request completion.