算法特性

K邻近，KNN(Kth Nearest Neighbor)
是机器学习常用的分类算法，类似的分类算法还有SVM(支持向量机 Support Vector Machine)。
基本原理是在n维空间中，距离较近的元素分为一类。

PS:本文是看到一个很好的教学网页，觉得很好，下面的内容基本都是直接翻译的。
网站链接：http://go-database-sql.org/index.html

Docker 镜像可以通过在容器中进行命令操作创建，但更好的方式是通过 DockerFile 进行 Build。这样把 DockerFile 用放到 GitHub，版本控制、易于分享、可以实现自动化 Build。

在 Docker 中可操作的元素有三种：Image(镜像)、Container(容器)、Volume(卷)

算法特性

线段树，Segment Tree
与之前介绍的索引树BIT功能和性能基本相同，适用于对所有元素求和并且查询和更新频度相当的情况。
更新和求和的时间复杂度都为O(n)。

Docker容器进行文件写入时，会写到容器层，当容器删除后，文件也就被删除了。

本文只记录了Docker环境搭建的关键步骤，适合对各个部分都很熟练的人，不适合新手。

算法特性

树状数组，索引树，BIT(Binary Indexed Tree)
提供getSum(i)和update(i,val)函数。
可以获取目标数组第i位置(包括)往前所有元素的和(可以求和也可以求范围内最大或对小值)，
可以动态更新某位置的值。getSum和update的时间复杂度都是O(logn)。
如果用一般的遍历方法求sum，时间复杂度是O(n)，更新一个值的时间复杂度是O(1)；
如果我们用dp sum的方式来实现sum的快速查询，那么查询的时间复杂度是O(1)，但更新一个值的时间复杂度是O(n)相比较O(logn)较差。
使用BIT适用于查询和更新频繁度相当的情况，可以降低总的时间复杂度。

redigo的doc链接