本系列为每日算法，主要借助@代码随想录与LeetCode网站的解析，仅做记录与鞭策使用。

编号209：长度最小的子数组

给定一个含有 n 个正整数的数组和一个正整数 target 。

找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, ..., numsr-1, numsr] ，并返回其长度。如果不存在符合条件的子数组，返回 0 。

示例 1：

输入：target = 7, nums = [2,3,1,2,4,3]
输出：2
解释：子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2：

输入：target = 4, nums = [1,4,4]
输出：1
示例 3：

输入：target = 11, nums = [1,1,1,1,1,1,1,1]
输出：0
 

提示：

1 <= target <= 109
1 <= nums.length <= 105
1 <= nums[i] <= 105
 

进阶：

如果你已经实现 O(n) 时间复杂度的解法, 请尝试设计一个 O(n log(n)) 时间复杂度的解法。

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/minimum-size-subarray-sum
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解析：

滑动窗口类似于双指针法，因为适用于连续性数组，所以被称为滑动窗口，其本质就是获得一个连续的范围内的数值，查看是否符合要求。

private static int get(int target, int[] nums) {
    //计算总值
    int sum = 0;
    //指针位置
    int index = 0;
    //计算长度，算作最长长度
    int length = Integer.MAX_VALUE;
    //子数组长度，用做记录
    int subLength = 0;
    //循环获取第一个指针位置
    for (int i = 0; i < nums.length; i++) {
        //连续数组计算，因此指针移动，数字累加
        sum += nums[i];
        //当出现符合的结果之后，开始第二个指针的移动
        while (target <= sum) {
            //算出当前子数组的长度
            subLength = (i - index) + 1;
            //取最小的长度
            length = length > subLength ? subLength : length;
            //蒋指针向前，减去结果
            sum = sum - nums[index];
            //将第二个指针向前移动
            index++;
        }
    }
    //查看长度是否发生了变化，如果没有变化，返回0
    return length < Integer.MAX_VALUE ? length : 0;
}