必须从最宽开始，因为初始宽度最大且面积=宽度×较短边高度，只有先保证宽度最大，才可能获得全局最大值；每次只移动较短边指针，因移动较长边必然导致面积减小，而移动较短边有望提升短板高度从而增大面积；通过贪心剪枝确保不漏最优解。

直接用双指针从两端向中间收缩，每次移动较短边的指针，就能在 O(n) 时间内找到最大盛水量。

为什么必须从最宽开始

容器面积 = 宽度 × 较短边高度。初始时左右指针分别在首尾，宽度最大。这是唯一可能取得全局最大值的起点——因为任何其他组合宽度都更小，除非高度显著提升，否则无法超越当前值。

• 宽度随指针靠近持续减小，所以要争取在宽度尚大时，尽快找到更高的“短板”
• 如果一开始就缩窄宽度，会永久丢失“最宽+中等高”这种潜在优解

为什么只移动较短边的指针

移动长边没有意义：宽度变小，而决定高度的仍是短边，新面积必然更小。

java-api-doc-generator

分析 Java Spring Boot 后端 Controller 代码，自动生成 Markdown 格式的接口文档。当用户说“生成 Java 接口文档”、“生成 API 文档”、“从 Spring 代码生成文档”时触发。

下载

• 假设 left 高度为 3，right 高度为 8，当前面积 = (j−i)×3
• 若右移 right，新宽度减 1，新高度 ≤ 3（因为 left 还是短板），面积一定下降
• 若右移 left，新宽度减 1，但新 left 高度可能为 5、7、9……只要 ≥ 3，就存在面积更大的可能

怎么保证不漏掉最优解

每轮舍弃的都是“已知不可能更好”的组合。例如当前 left=0, right=n−1，且 height[0] 较小，那么所有以 height[0] 为左边界、其他任意位置为右边界的容器，面积都不超过当前值。

• 因为它们宽度 ≤ 当前宽度，且高度 ≤ height[0]
• 所以这些组合全被安全剪枝，无需枚举
• 算法本质是贪心+剪枝，不是穷举，但数学上可证明覆盖全部候选最优解

代码实现要点

只需两个变量维护指针和一个变量记录最大值，无额外空间开销。

• 初始化 left=0，right=数组末尾索引
• 循环条件是 left
• 每次计算面积后，比较 height[left] 和 height[right]，移动较小者
• 注意整数乘法可能溢出，但题目数据范围（height[i]≤10⁴，n≤10⁵）下 int 足够