滑动窗口是处理数组流中连续极值问题最直接高效的工具，用双指针控制动态区间并实时维护目标值，时间复杂度稳定为o(n)；分固定长度（如求每个k子数组最值，用单调双端队列）和可变长度（如满足条件的最短/最长子数组，依赖单调性while收缩）两类；需依问题选合适状态结构（sum变量、哈希表、计数器等），并注意空输入、越界等边界鲁棒性处理。
滑动窗口是处理数组流中连续极值问题最直接高效的工具，关键在于用两个指针控制动态区间，并在移动中实时维护目标值（如最大、最小、和、长度等）。它不依赖全局遍历，每个元素最多被访问两次，时间复杂度稳定为 O(n)。
固定长度窗口：找每个 k 子数组的极值
典型场景：求每个长度为 k 的滑动窗口中的最大值或最小值（如 LeetCode 239）。
- 用双端队列（Deque）维护单调递减序列的索引，保证队首始终是当前窗口最大值的下标
- 每步操作三件事：删队尾比当前数小的索引（保单调）、加当前索引（扩窗）、删队首超出窗口范围的索引（缩窗）
- 当 right ≥ k − 1 时，开始记录结果——此时窗口已成型
可变长度窗口：找满足条件的最短/最长连续子数组
典型场景：和 ≥ target 的最小子数组长度（LeetCode 209）、无重复字符的最长子串（LeetCode 3）。
- 右指针持续右移“进窗口”，累加或记录新元素
- 一旦满足条件（如 sum ≥ target / 出现重复字符），立即用 while 循环左移“出窗口”，直到条件刚不满足
- 每次满足条件时更新答案（如取 min_length 或 max_length）
- 注意：该模式要求窗口内量具有单调性（如全正数数组的和随窗口扩大而增大）
窗口内状态管理：根据问题选合适结构
窗口不只是左右坐标，还需高效跟踪内部信息：
- 求和类问题（最小子数组、最大平均值）：用整型变量 sum 累加，滑动时增减端点值
- 去重类问题（最长无重复子串）：用数组哈希表（如 int hash[128]）或 unordered_map 记录字符频次
- 多条件约束（如最多替换 k 个 0 得最长连续 1）：用计数器统计“违禁元素”个数，控制其 ≤ k
边界与鲁棒性处理不能跳过
实际编码中容易忽略但必须显式判断：
- 输入为空、k 为 0 或大于数组长度 → 直接返回空结果或默认值
- 整个数组都无法满足条件（如所有数加起来仍
- 使用 int 最大值初始化答案（如 INT_MAX）时，最后要检查是否未更新，再决定返回值
