LFU Cache
也记录元素出现的频次,即使最近刚出现的,也未必就会挪到最前面。
缓存内始终按频次排序,如果超了缓存空间限制,还是新进的元素把原先频次最低的顶走。
1. LFU - least frequently used(最近最不常用⻚⾯置换算法,频次越高的放越前面)
2. LRU - least recently usd(最近最少使⽤页⾯置换算法)
Leetcode 146. LRU缓存机制 https://leetcode-cn.com/problems/lru-cache/
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) - 如果密钥不存在,则写入其数据值。当缓存容量达到上限时,它应该在写入新数据之前删除最近最少使用的数据值,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?
解:
考虑用 ordered dict 实现
1 import collections 2 class LRUCache: 3 def __init__(self, capacity: int): 4 self.dic = collections.OrderedDict() 5 self.remain = capacity 6 7 def get(self, key: int) -> int: 8 if key not in self.dic: 9 return -1 10 v = self.dic.pop(key) 11 self.dic[key] = v # 如果在key在dict中,就pop出来后再set成最新的key 12 return v 13 14 def put(self, key: int, value: int) -> None: 15 if key in self.dic: 16 self.dic.pop(key) 17 else: 18 if self.remain > 0: 19 self.remain -= 1 20 else: # 如果已经满了,就删除第一个key-value对(即最早put的键值对。令last=False即可) 21 self.dic.popitem(last=False) 22 23 self.dic[key] = value # put进去作为最新的键值对 24 25 26 # Your LRUCache object will be instantiated and called as such: 27 # obj = LRUCache(capacity) 28 # param_1 = obj.get(key) 29 # obj.put(key,value)
布隆过滤器 Bloom Filter
过滤器的作用:判断元素在还是不在。(如图查询 w 在不在集合中)
案例
1. ⽐特币网络
2. 分布式系统(Map-Reduce)