LFU 缓存【LC460】
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 最近最久未使用 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。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
错误答案
class LFUCache { // 注意：PriorityQueue要插入(删除)数据，顺序会发生改变，如果仅仅是修改已经稳定队列的值或内容，而不进行插入或者删除，那么，这个顺序是不会变的。 // 使用Node存储每个key对应的value，以及该key的操作次数、最近操作时间 // 小顶堆存储每个元素， 以使用次数及最近使用时间降序排序 int capacity; PriorityQueue<Node> pq; Map<Integer, Node> map; int time; public LFUCache(int capacity) { this.capacity = capacity; this.pq = new PriorityQueue<>((o1, o2) -> o1.freq == o2.freq ? o1.time - o2.time : o1.freq - o2.freq); this.map = new HashMap<>(); this.time = 0; } public int get(int key) { if (!map.containsKey(key)) return -1; Node node = map.get(key); node.freq += 1; node.time = time++; return node.val; } public void put(int key, int value) { if (map.containsKey(key)){ Node node = map.get(key); node.val = value; node.freq += 1; node.time = time++; }else{ Node node = new Node(key, value, time++, 1); if (pq.size() == capacity){ Node node1 = pq.poll(); map.remove(node1.key); } pq.add(node); map.put(key, node); } } } class Node{ int key; int val; int time; int freq; public Node(){ this.freq = 0; } public Node(int key, int val, int time, int freq){ this.key = key; this.val = val; this.time = time; this.freq = freq; } } /** * Your LFUCache object will be instantiated and called as such: * LFUCache obj = new LFUCache(capacity); * int param_1 = obj.get(key); * obj.put(key,value); */
思路
LFU和LRU不同之处
LRU移除元素时移除最近最久未使用的元素
LFU移除元素时移除使用频率最少的最近最久未使用的元素
因此LFU实现可以仿照LRU，使用哈希表记录每个频率下的节点，相同频率下的各个节点以双向链表的形式组织
每次移除元素时移除频率最小的最久未使用的元素
每操作一次元素需要修改节点频率至相应链表
链表的首部存放最新操作的元素
为了快速找到某个节点在链表中的位置，可以使用哈希表存储每个key对应的节点
为了快速找到最小频率，维护一个int变量记录最小频率
实现
class LFUCache { private static class Node { int key, value, freq = 1; // 新书只读了一次 Node prev, next; Node(int key, int value) { this.key = key; this.value = value; } } private final int capacity; private final Map<Integer, Node> keyToNode = new HashMap<>(); private final Map<Integer, Node> freqToDummy = new HashMap<>(); private int minFreq; public LFUCache(int capacity) { this.capacity = capacity; } public int get(int key) { Node node = getNode(key); return node != null ? node.value : -1; } public void put(int key, int value) { Node node = getNode(key); if (node != null) { // 有这本书 node.value = value; // 更新 value return; } if (keyToNode.size() == capacity) { // 书太多了 Node dummy = freqToDummy.get(minFreq); Node backNode = dummy.prev; // 最左边那摞书的最下面的书 keyToNode.remove(backNode.key); remove(backNode); // 移除 if (dummy.prev == dummy) { // 这摞书是空的 freqToDummy.remove(minFreq); // 移除空链表 } } node = new Node(key, value); // 新书 keyToNode.put(key, node); pushFront(1, node); // 放在「看过 1 次」的最上面 minFreq = 1; } private Node getNode(int key) { if (!keyToNode.containsKey(key)) { // 没有这本书 return null; } Node node = keyToNode.get(key); // 有这本书 remove(node); // 把这本书抽出来 Node dummy = freqToDummy.get(node.freq); if (dummy.prev == dummy) { // 抽出来后，这摞书是空的 freqToDummy.remove(node.freq); // 移除空链表 if (minFreq == node.freq) { // 这摞书是最左边的 minFreq++; } } pushFront(++node.freq, node); // 放在右边这摞书的最上面 return node; } // 创建一个新的双向链表 private Node newList() { Node dummy = new Node(0, 0); // 哨兵节点 dummy.prev = dummy; dummy.next = dummy; return dummy; } // 在链表头添加一个节点（把一本书放在最上面） private void pushFront(int freq, Node x) { Node dummy = freqToDummy.computeIfAbsent(freq, k -> newList()); x.prev = dummy; x.next = dummy.next; x.prev.next = x; x.next.prev = x; } // 删除一个节点（抽出一本书） private void remove(Node x) { x.prev.next = x.next; x.next.prev = x.prev; } }
