146LRU缓存机制(哈希表+list)

1、题目描述

运用你所掌握的数据结构,设计和实现一个  LRU (最近最少使用) 缓存机制。它应该支持以下操作: 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 如果密钥 (key) 存在于缓存中,则获取密钥的值(总是正数),否则返回 -1。
写入数据 put(key, value) - 如果密钥已经存在,则变更其数据值;如果密钥不存在,则插入该组「密钥/数据值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。

进阶:

你是否可以在 O(1) 时间复杂度内完成这两种操作?

2、示例

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得密钥 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得密钥 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

3、题解

基本思想:HashMap+list,时间复杂度O(1),好的数据结构是成功的一半。

list保存key->value对,从头到尾按照最近使用(头)到最少使用(尾)顺序排列。

HashMap保存key->iterator对,iterator指向list中保存相应key的对,通过HashMap[key]可以快速找到key在list中位置,方便查找删除插入操作,注意:链表的插入删除操作迭代器不会失效。

#include<iostream>
#include<algorithm>
#include<vector>
#include<unordered_map>
using namespace std;
class LRUCache {
public:
    LRUCache(int capacity) : cap(capacity) {
    }
    int get(int key) {
        if (map.find(key) == map.end()) return -1;
        auto key_value = *map[key];
        cache.erase(map[key]);
        cache.push_front(key_value);
        map[key] = cache.begin();
        return key_value.second;
    }

    void put(int key, int value) {
        if (map.find(key) == map.end()) {
            if (map.size() == cap) {
                map.erase(cache.back().first);
                cache.pop_back();
            }
        }
        else
            cache.erase(map[key]);

        cache.push_front({key, value});
        map[key] = cache.begin();
    }
private:
    int cap;
    list<pair<int, int>> cache;
    unordered_map<int, list<pair<int, int>>::iterator> map;
};
class LRUCache {
public:
	//基本思想:HashMap,时间复杂度O(N)
	LRUCache(int capacity) : capacity(capacity) {}
	int get(int key) {
		if (key_value.find(key) != key_value.end())
		{
			key_clock[key] = ++clock;
			return key_value[key];
		}
		else
			return -1;
	}
	void put(int key, int value) {
		if (key_value.find(key) != key_value.end())
		{
			key_value[key] = value;
			key_clock[key] = ++clock;
			return;
		}
		if (key_value.size() < capacity)
		{
			key_value[key] = value;
			key_clock[key] = ++clock;
		}
		else
		{
			int res_key, min_clock = clock;
			for (auto it = key_clock.begin(); it != key_clock.end(); it++)
			{
				if (it->second <= min_clock)
				{
					min_clock = it->second;
					res_key = it->first;
				}
			}
			key_value.erase(res_key);
			key_clock.erase(res_key);
			key_value[key] = value;
			key_clock[key] = ++clock;
		}
	}
private:
	int capacity;
	unordered_map<int, int> key_value;
	unordered_map<int, int> key_clock;
	int clock = 0;
};
class LRUCache1 {
public:
	//基本思想:HashMap+list,时间复杂度O(1),好的数据结构是成功的一半
	//list保存key->value对,从头到尾按照最近使用(头)到最少使用(尾)顺序排列
	//HashMap保存key->iterator对,iterator指向list中保存相应key的对,通过HashMap[key]可以快速找到key在list中位置
	LRUCache1(int capacity) : capacity(capacity) {}
	int get(int key) {
		if (key_value.find(key) != key_value.end())
		{
			int res = key_value[key]->second;
			listNode.erase(key_value[key]);
			listNode.push_front(make_pair(key, res));
			key_value[key] = listNode.begin();
			return res;
		}
		else
			return -1;
	}
	void put(int key, int value) {
		if (key_value.find(key) != key_value.end())
		{
			listNode.erase(key_value[key]);
			listNode.push_front(make_pair(key, value));
			key_value[key] = listNode.begin();
			return;
		}
		if (key_value.size() < capacity)
		{
			listNode.push_front(make_pair(key, value));
			key_value[key] = listNode.begin();
		}
		else
		{	
			key_value.erase(listNode.back().first);
			listNode.pop_back();
			listNode.push_front(make_pair(key, value));
			key_value[key] = listNode.begin();
		}
	}
private:
	int capacity;
	unordered_map<int, list<pair<int, int>>::iterator> key_value;
	list<pair<int, int>> listNode;    //链表的插入删除迭代器不会失效
};
int main()
{
	LRUCache1 cache(2);
	cout << cache.get(2) << endl;
	cache.put(2, 6);
	cout << cache.get(1) << endl;
	cache.put(1, 5);
	cache.put(1, 2);
	cout << cache.get(1) << endl;
	cout << cache.get(2) << endl;
	return 0;
}

 

 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LRU 缓存基于哈希表的实现可以使用 STL 中的 `std::unordered_map`,这个容器提供了 O(1) 的查找和插入操作,非常适合用于实现缓存。下面是一个基于哈希表实现的 LRU 缓存的 C++ 代码: ```cpp #include <unordered_map> #include <list> class LRUCache { public: LRUCache(int capacity) : capacity_(capacity) {} int get(int key) { auto iter = cache_.find(key); if (iter == cache_.end()) { return -1; } else { auto value = iter->second->second; cache_list_.splice(cache_list_.begin(), cache_list_, iter->second); iter->second = cache_list_.begin(); return value; } } void put(int key, int value) { auto iter = cache_.find(key); if (iter == cache_.end()) { if (cache_.size() == capacity_) { int key_to_remove = cache_list_.back().first; cache_.erase(key_to_remove); cache_list_.pop_back(); } cache_list_.push_front({key, value}); cache_[key] = cache_list_.begin(); } else { iter->second->second = value; cache_list_.splice(cache_list_.begin(), cache_list_, iter->second); iter->second = cache_list_.begin(); } } private: int capacity_; std::list<std::pair<int, int>> cache_list_; std::unordered_map<int, std::list<std::pair<int, int>>::iterator> cache_; }; ``` 在这个实现中,我们使用了一个双向链表 `cache_list_` 来保存缓存中的数据,并使用一个哈希表 `cache_` 来提高查找效率。在 `get` 操作中,我们先在哈希表中查找目标数据,如果不存在则返回 -1,否则将目标数据移到链表头部并返回其值。在 `put` 操作中,如果缓存中不存在目标数据则创建一个新的节点并将其添加到链表头部,如果缓存已满则删除链表尾部的节点。如果缓存中已存在目标数据则将其值更新并将其移动到链表头部。 需要注意的是,在 `get` 操作中,我们需要使用 `splice` 操作将目标节点移到链表头部,并更新哈希表中对应节点的指针。在 `put` 操作中,我们需要先判断缓存是否已满,如果已满则删除链表尾部的节点,并在哈希表中删除对应的键值对。然后我们将新节点添加到链表头部,并在哈希表中创建对应的键值对。 另外,由于我们使用了 STL 中的 `std::list`,所以我们可以直接使用 `push_front` 和 `pop_back` 操作来添加和删除链表节点,非常方便。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值