博客
关于我
2021华为软件精英挑战赛(附赠线下判题器链接)——经历
阅读量:163 次
发布时间:2019-02-27

本文共 1335 字,大约阅读时间需要 4 分钟。

2021华为软件精英挑战赛(附赠线下判题器链接)——经历

1、题目解析

本次赛题源自现实的互联网企业面临的问题,怎样购买与部署服务器最便宜!

服务器:不相同型号的服务器有着不同的CPU与不同的内存,每台服务器又有两个节点,两个节点平分服务器的内存。当然,不同型号的服务器的价格是不同的,每日能耗也是不同的。如:NV603,92C,324G,53800¥,500¥(分别对应:型号,CPU数量,内存大小,价格,每日能耗)。

虚拟机:不相同型号的虚拟机所需的CPU与内存是不同的,虚拟机分为单节点部署的,与双节点部署的,顾名思义,单节点服务器就是挂载到服务器的一个节点上,占用一个节点的CPU与内存,双节点服务器就是要挂载到两个节点上,占用两个节点CPU与内存。如:s3.small.1 ,1C,1G 单节点(分别对应:型号,所需CPU,所需内存,单或双节点)。

本次比赛采用标准输入stdin。举例来说:C语言,就是scanf();选手需要采用标准输出,即printf();

本次比赛输入格式如下:

2 //有多少种服务器供你购买(NV603, 92, 324, 53800, 500) //标准输入:服务器:(型号,cpu,memory,购买价格,每日能耗)(NV604, 128, 512, 87800, 800) 2 //有多少种不同的虚拟机(c3.large.4, 2, 8, 0) //标准输入:虚拟机:(型号,CPU,memor,服务器单双节点部署(0单节点,1双节点))(c3.8xlarge.2, 32, 64, 1) 3 //有多少天的请求2 //第一天请求数量(add, c3.large.4, 5) //添加请求,标准输入:(添加指令,服务器型号,虚拟机的id)(add, c3.large.4, 0) 2 (del, 0) //删除请求,标准输入:(删除指令,要删除的虚拟机的ID)(add, c3.8xlarge.2, 1) 3 (add, c3.large.4, 2) (del, 1) (del, 2)

本次比赛的输出格式如下:

(purchase, 2) //输出今天购买多少个服务器(NV603, 1) //输出购买服务器的种类,数量(NV604, 1) (migration, 0)//输出今天需要迁移的虚拟机的数量(0, A) //有迁移需要输出迁移在输出部署,没迁移则输出部署//单节点部署(0, B) //部署格式(服务器的ID,节点A,B)(purchase, 0) (migration, 0) (1) //双节点部署,部署格式(服务器ID)(purchase, 0) (migration, 0) (1, B)

2、针对输出有几个重点注意的地方

1、要严格按照输出实例来输出!否则就会判题出错。

2、最重要一点就是服务器的ID顺序:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7IKwez4w-1616919553606)(C:\Users\wei\AppData\Roaming\Typora\typora-user-images\image-20210328155235120.png)]

服务器的ID要严格按照此顺序来赋ID,否则将判题出错,会出cpu或内存溢出错误。

3、就是输出虚拟机部署的顺序,一定要按照指令格式来,否则将会出错,会出单双节点部署格式不对。

3、本次比赛的线下判题器

https://github.com/B1ACK917/2021HWAutoGrader

转载地址:http://qwsd.baihongyu.com/

你可能感兴趣的文章
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>