Sunday, September 20, 2020

Сказание о том как освобождал место на Windows 10

 В один прекрасный момент моя корпоративная система Windows 10 сообщила мне, что место на диске С: закончилось! При этом на диске D: места еще завались.

Да знаю делить жесткий диск на разные диски в Windows плохая затея, переустанавливать ОС никто не будет, а бороться с закончившимся местом на системном диске очень сложно.

Но вызов был принят! Будем бороться с духом машины.

После недолгого гугления на саппорте windows нашел рекомендацию поставить софтинку TreeSize  (рекомендация на сайте поддержки Windows). Скачал установил и О! святая шестерёнка, программулина божественна:

Внешинй вид TreeSize

Очень быстрая и удобная, сразу видно что отожрало место!

После недолгого анализ, выявил несколько виновников написания этого поста:

1. C:\\Windows\Installer - 29.3 GB

2. C:\\User\<myaccaunt>\AppData - 16.4 GB


Решил сначала побороться с Installer. Духи Google мне подсказали почитать вот этот пост на сайте техподдержик Microsoft. В одном из сообщений была ссылка на Patchcleaner

На первый взгляд програмулина мутная, но антивирус не ругался, так же это рекомендовали на сайте micosoft, решил риснуть. Скачал и поставил:


Ставилось долго, анализировало тож долго, потом вылетело вот окошко сверзку, ничерта не понятно что это все значит. Директория в "More Location" пуста. Хотел еще поразбираться, но подумал "Сегодня Бог Духа Машины со мней" и нажал Delete. Что то удалилось и директория C:\\Windows\Installer стала пуста! Система наче жива и функциклирует.

Относительно AppData буду разбираться позже.



Monday, May 27, 2019

Что такое Maven


Пояснение на кой нужен этот Maven. Не сильно глубоко, но включив голову можно осознать его полезность.


Оценка сложности алгоритмов, или Что такое О(log n)


Наверняка вы не раз сталкивались с обозначениями вроде O(log n) или слышали фразы типа «логарифмическая вычислительная сложность» в адрес каких-либо алгоритмов. И если вы так и не понимаете, что это значит, — эта статья для вас.

Оценка сложности

Сложность алгоритмов обычно оценивают по времени выполнения или по используемой памяти. В обоих случаях сложность зависит от размеров входных данных: массив из 100 элементов будет обработан быстрее, чем аналогичный из 1000. При этом точное время мало кого интересует: оно зависит от процессора, типа данных, языка программирования и множества других параметров. Важна лишь асимптотическая сложность, т. е. сложность при стремлении размера входных данных к бесконечности.

Допустим, некоторому алгоритму нужно выполнить 4n3 + 7n условных операций, чтобы обработать n элементов входных данных. При увеличении n на итоговое время работы будет значительно больше влиять возведение n в куб, чем умножение его на 4 или же прибавление 7n. Тогда говорят, что временная сложность этого алгоритма равна О(n3), т. е. зависит от размера входных данных кубически.

Использование заглавной буквы О (или так называемая О-нотация) пришло из математики, где её применяют для сравнения асимптотического поведения функций. Формально O(f(n)) означает, что время работы алгоритма (или объём занимаемой памяти) растёт в зависимости от объёма входных данных не быстрее, чем некоторая константа, умноженная на f(n).