固定窗口大小k时滑动窗口求最大和为o(n)：先算前k个元素和，再每次减左加右更新，避免暴力o(nk)；若窗口大小不固定则应用kadane算法。
java 中用数组实现滑动窗口求连续子数组最大和，本质是避免重复计算——不是用滑动窗口解决“最大子数组和”（那是 kadane 算法的主场），而是当问题明确限定**窗口大小固定（如长度为 k 的连续子数组）且需频繁求和时**，滑动窗口才能真正发挥 o(n) 优势，绕过暴力 o(nk) 的性能瓶颈。
明确适用场景：固定长度窗口的最大/最小和
滑动窗口在此类问题中高效，前提是窗口长度 k 固定。例如：“给定整数数组 nums 和整数 k，返回所有长度为 k 的连续子数组中的最大和”。暴力解法对每个起点 i 都调用 Arrays.stream(nums, i, i+k).sum()，时间复杂度 O(nk)；而滑动窗口只需一次遍历。
- 初始化窗口：计算前 k 个元素和 sum
- 滑动过程：每右移一位，sum = sum - nums[i] + nums[i+k]（减左边界，加右边界）
- 全程维护 maxSum，无需重新累加
数组实现要点：避免越界与索引偏移
使用原始数组而非 ArrayList，减少封装开销；注意下标从 0 开始，窗口右边界为 i + k - 1，滑动时 i 的范围是 0 到 nums.length - k（含）。
示例代码关键片段：
int sum = 0; for (int i = 0; i
若 k > nums.length，直接返回 0 或抛 IllegalArgumentException，不进入循环。
对比 Kadane 算法：别混淆问题类型
如果题目是“求任意长度连续子数组的最大和”（即经典最大子数组和），滑动窗口不适用——因为窗口大小不固定。此时应使用 Kadane 算法，时间复杂度 O(n)，空间 O(1)：
- 维护 currSum = Math.max(nums[i], currSum + nums[i])
- 同步更新 globalMax
- 它本质是动态规划，不是滑动窗口
强行套用固定窗口去解该题，会漏掉长度 ≠ k 的更优解，逻辑错误。
进阶优化：处理大数组与溢出
当 nums 元素绝对值大、k 较大时，sum 可能溢出 int。应根据数据范围选用 long 类型存储和比较：
- 声明
long sum = 0, maxSum = Long.MIN_VALUE - 返回值按题意决定是否转为 int（需确认无溢出风险）
- 避免在循环内反复装箱/拆箱（如用 Long.valueOf()）
对于超大规模数组（如上千万元素），可考虑分段预处理前缀和加速，但通常纯滑动窗口已足够高效。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
