ST表本身就能实现严格O(1) RMQ查询，但需O(n log n)预处理时间和空间，且不支持修改；分块法以O(n)空间和预处理、近似O(1)查询（最坏O(√n)）换取缓存友好性与内存效率，尤其适合超大静态数组。
为什么不能直接用ST表实现O(1) RMQ查询？
ST表（Sparse Table）确实支持O(1)查询，但预处理是O(n log n)空间，且不支持修改。当数据静态、内存敏感（比如嵌入式或超大数组）、或你只需要近似O(1)而非严格理论最优时，分块（Block-based RMQ）反而更实用——它把空间压到O(n)，预处理O(n)，查询均摊O(1)（最坏O(√n)，但实践中常视为常数）。
关键点在于：分块不是为了吊打ST表，而是为权衡空间、构建速度与缓存友好性。尤其在n > 10⁷时，ST表的二维数组容易引发TLB miss，而分块的线性扫描+小数组查表更亲和CPU cache。
怎么划分块并预处理每块最大值？
设块大小B = ⌊√n⌋，共K = ⌈n / B⌉块。对每块i，预处理block_max[i]为其内部最大值；同时维护每个位置j的前缀最大值prefix_max[j]（从块头到j）和后缀最大值suffix_max[j]（从j到块尾）。
-
block_max[i]可单次遍历所有元素计算，O(n) -
prefix_max和suffix_max按块分别扫：每块O(B)，总O(n) - 别用
sqrt(n)实时计算块号——改用整除：block_id = idx / B（确保B > 0） - 边界要检查：若
n % B != 0，最后一块长度不足B，访问suffix_max时需限定索引范围，否则越界
RMQ查询时如何合并跨块结果？
查询[L, R]时，分三种情况：
立即学习“C++免费学习笔记（深入）”；
- 若
L和R在同一块（即L/B == R/B），直接遍历[L, R]，O(√n)最坏，但实际极短 - 否则，设左块
l_block = L/B + 1，右块r_block = R/B - 1；中间完整块的最大值用ST表或线段树查——但这里我们不用！直接用预处理好的block_max数组做区间[l_block, r_block]的RMQ，而这个区间本身只有O(√n)个块，所以再对block_max建一个**小型ST表**（仅K ≈ √n大小），查询就O(1) - 最后合并：左散点部分用
suffix_max[L]，右散点部分用prefix_max[R]，中间块用小型ST表结果，三者取max
注意：suffix_max[L]表示“从L到其所在块末尾的最大值”，不是整个后缀；同理prefix_max[R]只管到块开头。这正是它们能快速给出边界答案的原因。
哪些细节会导致WA或TLE？
实战中最常栽在边界和初始化上：
-
block_max数组长度必须是K，但分配时若写成new int[n/B]会漏掉最后一块——正确是int K = (n + B - 1) / B - 小型ST表的
st[0][i]必须严格初始化为block_max[i]，不能复用原数组地址而忽略拷贝 - 查询时
L > R虽非法，但生产代码应加assert(L 或返回<code>INT_MIN，避免静默错误 - 使用
vector时，避免反复push_back导致多次重分配；优先reserve(K)再填值 - 编译时开
-O2，否则prefix_max和suffix_max的连续内存访问优势会被抵消
分块RMQ真正的复杂点不在逻辑，而在块大小B的选取与边界对齐——B=√n只是理论平衡点，实际中B=64或128（匹配cache line）往往更快，但这需要实测，不是公式能代替的。
