leetcode-460:LFU 缓存

简介: leetcode-460:LFU 缓存

题目

题目连接

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。

示例:

输入:
["LFUCache", "put", "put", "get", "put", "get", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]]
输出:
[null, null, null, 1, null, -1, 3, null, -1, 3, 4]
解释:
// cnt(x) = 键 x 的使用计数
// cache=[] 将显示最后一次使用的顺序(最左边的元素是最近的)
LFUCache lfu = new LFUCache(2);
lfu.put(1, 1);   // cache=[1,_], cnt(1)=1
lfu.put(2, 2);   // cache=[2,1], cnt(2)=1, cnt(1)=1
lfu.get(1);      // 返回 1
                 // cache=[1,2], cnt(2)=1, cnt(1)=2
lfu.put(3, 3);   // 去除键 2 ,因为 cnt(2)=1 ,使用计数最小
                 // cache=[3,1], cnt(3)=1, cnt(1)=2
lfu.get(2);      // 返回 -1(未找到)
lfu.get(3);      // 返回 3
                 // cache=[3,1], cnt(3)=2, cnt(1)=2
lfu.put(4, 4);   // 去除键 1 ,1 和 3 的 cnt 相同,但 1 最久未使用
                 // cache=[4,3], cnt(4)=1, cnt(3)=2
lfu.get(1);      // 返回 -1(未找到)
lfu.get(3);      // 返回 3
                 // cache=[3,4], cnt(4)=1, cnt(3)=3
lfu.get(4);      // 返回 4
                 // cache=[3,4], cnt(4)=2, cnt(3)=3

解题

方法一:哈希+红黑树

参考链接

struct Node{
    int key,value;
    int cnt,time;
    Node(int _key,int _value,int _cnt,int _time):cnt(_cnt),time(_time),key(_key),value(_value){}
};
struct cmp{
    bool operator()(const Node* a,const Node* b)const {
        return a->cnt==b->cnt?a->time<b->time:a->cnt<b->cnt;
    }
};
class LFUCache {
    int capacity,time;
    unordered_map<int,Node*> mp;
    set<Node*,cmp> set;
public:
    LFUCache(int _capacity) {
        capacity=_capacity;
        time=0;
        mp.clear();
        set.clear();
    }
    int get(int key) {
        if(capacity==0) return -1;
        if(mp.count(key)==0) return -1;
        Node* p=mp[key];
        set.erase(p);
        p->cnt++;
        p->time=++time;
        set.insert(p);
        mp[key]=p;
        return p->value;
    }
    void put(int key, int value) {
        if(capacity==0) return;
        if(mp.count(key)==0){
            if(mp.size()==capacity){
                Node* p=*(set.begin());
                mp.erase(p->key);
                set.erase(set.begin());
                delete p;
            }
            Node* p=new Node(key,value,1,++time);
            mp[key]=p;
            set.insert(p);
        }else{
            Node* p=mp[key];
            set.erase(p);
            p->value=value;
            p->cnt++;
            p->time=++time;
            set.insert(p);
            mp[key]=p;
        }
    }
};
相关文章
|
3月前
|
缓存 算法 数据挖掘
深入理解缓存更新策略:从LRU到LFU
【10月更文挑战第7天】 在本文中,我们将探讨计算机系统中缓存机制的核心——缓存更新策略。缓存是提高数据检索速度的关键技术之一,无论是在硬件还是软件层面都扮演着重要角色。我们会详细介绍最常用的两种缓存算法:最近最少使用(LRU)和最少使用频率(LFU),并讨论它们的优缺点及适用场景。通过对比分析,旨在帮助读者更好地理解如何选择和实现适合自己需求的缓存策略,从而优化系统性能。
72 3
|
3月前
|
缓存 分布式计算 NoSQL
大数据-47 Redis 缓存过期 淘汰删除策略 LRU LFU 基础概念
大数据-47 Redis 缓存过期 淘汰删除策略 LRU LFU 基础概念
84 2
|
5月前
|
缓存 算法 前端开发
深入理解缓存淘汰策略:LRU和LFU算法的解析与应用
【8月更文挑战第25天】在计算机科学领域,高效管理资源对于提升系统性能至关重要。内存缓存作为一种加速数据读取的有效方法,其管理策略直接影响整体性能。本文重点介绍两种常用的缓存淘汰算法:LRU(最近最少使用)和LFU(最不经常使用)。LRU算法依据数据最近是否被访问来进行淘汰决策;而LFU算法则根据数据的访问频率做出判断。这两种算法各有特点,适用于不同的应用场景。通过深入分析这两种算法的原理、实现方式及适用场景,本文旨在帮助开发者更好地理解缓存管理机制,从而在实际应用中作出更合理的选择,有效提升系统性能和用户体验。
234 1
|
7月前
|
缓存 算法 索引
LeetCode146:LRU缓存
LeetCode146:LRU缓存
56 1
|
8月前
|
缓存
leetcode-146:LRU 缓存
leetcode-146:LRU 缓存
33 0
|
8月前
|
存储 缓存 算法
☆打卡算法☆LeetCode 146. LRU 缓存 算法解析
☆打卡算法☆LeetCode 146. LRU 缓存 算法解析
|
存储 缓存
图解LeetCode——146. LRU 缓存
图解LeetCode——146. LRU 缓存
130 1
|
缓存 算法 Go
golang实现LFU缓存算法
golang实现LFU缓存算法
|
缓存 Java 容器
leetcode146.LUC缓存
leetcode146.LUC缓存
114 0
|
缓存
leetcode 146 LRU缓存
leetcode 146 LRU缓存
118 0
leetcode 146 LRU缓存