LRU缓存
问题描述
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类:
LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
void put(int key, int value) 如果关键字 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
代码实现
java">class LRUCache {int size;int capacity;Map<Integer, DoubleListNode> map;DoubleListNode head;DoubleListNode tail;public LRUCache(int capacity) {size = 0;this.capacity = capacity;map = new HashMap<>();head = new DoubleListNode(0, 0);tail = new DoubleListNode(0, 0);head.next = tail;tail.pre = head;}public int get(int key) {if (!map.containsKey(key)) {return -1;}DoubleListNode node = map.get(key);remove(node);addToHead(node);return node.val;}public void put(int key, int value) {if(map.containsKey(key)){DoubleListNode node = map.get(key);remove(node);node.val=value;addToHead(node);}else{if (size < capacity) {DoubleListNode node = new DoubleListNode(key, value);addToHead(node);map.put(key, node);size++;} else {DoubleListNode pre = tail.pre;int k = pre.key;map.remove(k);removeFromTail();DoubleListNode node = new DoubleListNode(key, value);addToHead(node);map.put(key, node);}}}public void remove(DoubleListNode node) {node.pre.next = node.next;node.next.pre = node.pre;}public void addToHead(DoubleListNode node) {DoubleListNode next = head.next;next.pre = node;node.next = next;head.next = node;node.pre = head;}public void removeFromTail() {remove(tail.pre);}
}class DoubleListNode {public int key;public int val;public DoubleListNode pre;public DoubleListNode next;public DoubleListNode() {}public DoubleListNode(int key, int val) {this.key = key;this.val = val;}
}
LFU缓存
问题描述
请你为 最不经常使用(LFU)缓存算法设计并实现数据结构。
实现 LFUCache 类:
LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
int get(int key) - 如果键 key 存在于缓存中,则获取键的值,否则返回 -1 。
void put(int key, int value) - 如果键 key 已存在,则变更其值;如果键不存在,请插入键值对。当缓存达到其容量 capacity 时,则应该在插入新项之前,移除最不经常使用的项。在此问题中,当存在平局(即两个或更多个键具有相同使用频率)时,应该去除 最久未使用 的键。
为了确定最不常使用的键,可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。
当一个键首次插入到缓存中时,它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作,使用计数器的值将会递增。
代码实现
java">import java.util.HashMap;
import java.util.Map;
import java.util.TreeSet;class LFUCache {int time;int capacity;Map<Integer, Node> map;TreeSet<Node> treeSet;public LFUCache(int capacity) {this.capacity = capacity;this.time = 0;map = new HashMap<>();treeSet = new TreeSet<>();}public int get(int key) {if (!map.containsKey(key)) {return -1;}Node node = map.get(key);treeSet.remove(node);node.count += 1;node.time = ++time;treeSet.add(node);map.put(key, node);return node.value;}public void put(int key, int value) {if(!map.containsKey(key)) {if (map.size() == capacity) {Node node = treeSet.first();map.remove(node.key);treeSet.remove(node);}Node newNode = new Node(1,++time,key, value);map.put(key, newNode);treeSet.add(newNode);}else{Node node = map.get(key);treeSet.remove(node);node.count += 1;node.time = ++time;node.value = value;treeSet.add(node);map.put(key, node);}}
}class Node implements Comparable<Node> {int count;int time;int key;int value;public Node() {}public Node(int count, int time, int key, int value) {this.count = count;this.time = time;this.key = key;this.value = value;}@Overridepublic int compareTo(Node o) {return this.count==o.count?this.time-o.time:this.count-o.count;}@Overridepublic boolean equals(Object o) {if (this == o) return true;if (o == null || getClass() != o.getClass()) {return false;}Node node = (Node) o;return count == node.count && time == node.time;}@Overridepublic int hashCode() {return 10000007 * count + time;}
}