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 473 字,大约阅读时间需要 1 分钟。

2021华为软件精英挑战赛经历

  • 题目解析
  • 本次比赛题目源自现实中的互联网企业问题:如何购买与部署服务器最便宜。服务器和虚拟机的配置参数需仔细理解。

    服务器:不同型号的服务器有不同的CPU和内存。每台服务器有两个节点,内存平分。不同型号的价格和每日能耗也各不相同。例如,NV603型号的服务器,92C CPU,324G内存,价格53800元,每日能耗500元。

    虚拟机:不同型号的虚拟机所需CPU和内存不同。虚拟机分为单节点和双节点部署。单节点虚拟机占用一个节点的资源,双节点虚拟机占用两个节点。例如,s3.small.1型号虚拟机,1C CPU,1G内存,单节点部署。

    输入输出格式:

    输入格式:22333333输出格式:严格按照实例输出,否则判题失败。

    服务器ID顺序至关重要,需严格按照指定顺序赋予ID。虚拟机部署顺序也需严格遵循指令,否则单双节点格式错误。

    本次比赛采用标准输入输出方式,需使用C语言中的scanf和printf函数。

    1. 线下判题器链接
    2. https://github.com/B1ACK917/2021HWAutoGrader

    转载地址:http://qwsd.baihongyu.com/

    你可能感兴趣的文章
    OJ中常见的一种presentation error解决方法
    查看>>
    OK335xS UART device registe hacking
    查看>>
    ok6410内存初始化
    查看>>
    one_day_one--mkdir
    查看>>
    OpenCV 中的图像转换
    查看>>
    OpenCV-Python接口、cv和cv2的性能比较
    查看>>
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>