Least Recently Used(LRU) Cache

最新推荐文章于 2024-08-18 22:37:17 发布
最新推荐文章于 2024-08-18 22:37:17 发布
阅读量901 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bonny95/article/details/39250807
版权

According to LeetCode:

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and set.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.

set(key, value) - Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.

When dealing with (key, vlaue) pairs, the most straight-forward data structure is hashmap(map or unordered_map in C++). However, at least for C++, it is difficult to control the insertion of new items: (1) the position you can specify is just a hint and does not force the new element to be inserted at that position within the map/unordered_map container, and (2) there is no push_back or push_front methods provided for map/unordered_map.

- See more at: http://bo-yang.github.io/2014/06/12/lru-cache/#sthash.Pj0d5XQ1.dpuf

http://bo-yang.github.io/2014/06/12/lru-cache

bonny95
关注
Python:实现LRU（least recently used）算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-02 193
Python:实现LRU（least recently used）算法(附完整源码)
Objective-C实现LRU（least recently used）算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
07-23 31
Objective-C实现LRU（least recently used）算法(附完整源码)
Redis精通系列——LRU算法详述(Least Recently Used - 最近最少使用)
m0_54852680的博客
12-14 482
因此如何防止Redis发生这种情况非常重要（面试官问到Redis几乎没有不问这个知识点的）。 ​ 2、maxmemory配置 Redis针对上述问题提供了maxmemory配置，这个配置可以指定Redis存储器的最大数据集，通常情况都是在redis.conf文件中进行配置，也可以运行时使用CONFIG SET命令进行一次性配置。 redis.conf文件中的配置项示意图： 默认情况maxmemory配置项并未启用，Redis官方介绍64位操作系统默认无内存限制，32位操作系统默认3GB隐式内存配置，如果
LRU（Least Recently Used） cache.
hanbingsqq的专栏
04-11 289
class LRUCache {          Map<Integer, DlinkedNode> map;     DlinkedNode head;     DlinkedNode tail;     int capacity;     int count;     public LRUCache(int cap)     {         map = new HashM...
LRU（Least Recently Used，最近最少使用）
最新发布
我的博客
08-18 759
LRU算法是一种经典的缓存替换策略，主要用于在缓存满的情况下选择最久未被访问的数据项进行淘汰。它适用于很多具有访问局部性的数据场景，如CPU缓存、数据库缓存、Web浏览器缓存等。虽然简单有效，但在一些特定的访问模式下可能表现不如其他算法，如LFU（Least Frequently Used，最少频繁使用）等。
LRU Cache(Least Recent Used缓存)
To_be_thinking的博客
01-11 330
在有限内存空间中，抛弃距当前时间最远被使用（访问）的元素的缓存的数据结构，能够添加元素，读取元素。这个数据结构在操作系统中经常被使用到，见wikipedia链接https://en.wikipedia.org/wiki/Cache_replacement_policies#Least_recently_used_(LRU)。 使用一个双端链表和一个HashMap可以在O(1)时间、O(n)空间内...
7-2 Least Recently Used Cache
weixin_49884716的博客
08-01 387
pat甲级
LRU（Least Recently Used）缓存介绍与实现
IAlexanderI的专栏
04-19 507
引子：我们平时总会有一个电话本记录所有朋友的电话，但是，如果有朋友经常联系，那些朋友的电话号码不用翻电话本我们也能记住，但是，如果长时间没有联系了，要再次联系那位朋友的时候，我们又不得不求助电话本，但是，通过电话本查找还是很费时间的。但是，我们大脑能够记住的东西是一定的，我们只能记住自己最熟悉的，而长时间不熟悉的自然就忘记了。其实，计算机也用到了同样的一个概念，我们用缓存来存放以前读取的数据，而不...
java LRU(Least Recently Used )详解及实例代码
09-01
LRU（Least Recently Used）是一种常用的缓存淘汰策略，其核心思想是：当缓存容量达到上限时，优先淘汰最近最少使用的数据。在Java中，实现LRU缓存有两种常见方式，分别是使用`LinkedHashMap`和自定义数据结构，如...
Python LRU（least recently used）算法详解及源码
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-13 976
它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。它的基本思想是将最近最少使用的数据淘汰，以确保缓存中总是保存着最有可能被访问的数据。
高级数据结构与算法 | LRU缓存机制（Least Recently Used）
凌桓丶的博客
08-08 806
文章目录LRUCache的原理LRUCache的实现 LRUCache的原理 LRU是Least Recently Used的缩写，意思是最近最少使用，它是一种Cache替换算法。 什么是 Cache？狭义的Cache指的是位于CPU和主存间的快速RAM， 通常它不像系统主存那样使用 DRAM技术，而使用昂贵但较快速的SRAM技术。 广义上的Cache指的是位于速度相差较大的两种 硬件之间， 用于协调两者数据传输速度差异的结构。除了CPU与主存之间有Cache， 内存与硬盘 之间也有Cache，乃至在硬盘
LRU（Least Recently Used, 最近最久未使用）算法。
08-07
实现最近最久未使用（Least Recently Used, LRU）算法。含linux下可执行代码和windows下的工程文件。以及一份实验文档。
146. LRU Cache最近最少使用 (LRU) 缓存 Least Recently Used (LRU) cache.
AI架构师易筋
06-20 1306
【代码】146. LRU Cache最近最少使用 (LRU) 缓存 Least Recently Used (LRU) cache.
LeetCode(26), LRU Cache，Least Recently Used Cache
焦下鹿的博客
05-11 220
LRU Cache Description Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put. get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwis
请用Java设计一个Least Recently Used (LRU) 缓存
zhouguizhi
06-10 1099
请用Java设计一个Least Recently Used (LRU) 缓存
数据结构LRUCache(Least Recently Used – 最近最少使用缓存)
qq_41922018的博客
02-04 1241
题目要求：    设计一个数据结构，实现LRU Cache的功能(Least Recently Used – 最近最少使用缓存)。它支持如下2个操作： get 和 put。    int get(int key) – 如果key已存在，则返回key对应的值value（始终大于0）；如果key不存在，则返回-1。    void put(int key, int value) – 如果key不存在，...
利用LRU（Least Recently Used）封装内存缓存LruCache，Kotlin版本。
Pumpkin's Blog
04-05 834
LRU（Least Recently Used），即最近最少使用，是一种常用的`页面置换算法`，当需要存入的内容大于临界值的时候，选择最近最少使用的进行淘汰。
LRU(Least Recently Used)
Mr_YarNell的博客
06-27 445
为了尽量减少与理想算法的差距，产生了各种精妙的算法，最少使用页面置换算法便是其中一个。LRU算法的提出，是基于这样一个事实：在前面几条指令中使用频繁的页面很可能在后面的几条指令中频繁使用。反过来说，已经很久没有使用的页面很可能在未来较长的一段时间内不会被用到。这个，就是著名的局部性原理——比内存速度还要快的cache，也是基于同样的原理运行的。因此，我们只需要在每次调换时，找到最近最久使用的那个页
缓存淘汰算法--LRU算法
jeff_0825的专栏
11-02 979
 缓存淘汰算法--LRU算法               1. LRU 1.1. 原理 LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。 1.2. 实现 最常见的实现是使用一个链表保存缓存数据，详细算法实现如下： 1. 新数据插入到链表头部
Least Recently used Algorithm in C++.
05-25
以下是C++中最近最少使用算法（LRU）的示例代码： ```c++ #include <iostream> #include <unordered_map> #include <list> using namespace std; class LRUCache { private: int capacity; unordered_map<int, list<pair<int, int>>::iterator> cache; // 哈希表，映射key和双向链表中的迭代器 list<pair<int, int>> lruList; // 双向链表，保存 (key, value) 二元组 public: LRUCache(int capacity) { this->capacity = capacity; } int get(int key) { if (cache.find(key) == cache.end()) { return -1; // 如果 key 不存在，则返回 -1 } // 把 (k, v) 提到链表头部，并更新map中该节点的迭代器 pair<int, int> kv = *cache[key]; lruList.erase(cache[key]); lruList.push_front(kv); cache[key] = lruList.begin(); return kv.second; } void put(int key, int value) { if (cache.find(key) == cache.end()) { // 如果 key 不存在 if (lruList.size() == capacity) { // 如果缓存满了 // 删除链表尾部的键值对，并删除map中对应的项 auto lastPair = lruList.back(); int lastKey = lastPair.first; cache.erase(lastKey); lruList.pop_back(); } // 在链表头部插入新的键值对，并在map中创建该项的迭代器 lruList.push_front(make_pair(key, value)); cache[key] = lruList.begin(); } else { // 如果 key 存在 // 更改链表中的节点值，并把该节点提到头部 lruList.erase(cache[key]); lruList.push_front(make_pair(key, value)); cache[key] = lruList.begin(); } } }; int main() { LRUCache cache(2); // 缓存容量为 2 cache.put(1, 1); cache.put(2, 2); cout << cache.get(1) << endl; // 返回 1 cache.put(3, 3); // 该操作会使得关键字 2 作废 cout << cache.get(2) << endl; // 返回 -1 (未找到) cache.put(4, 4); // 该操作会使得关键字 1 作废 cout << cache.get(1) << endl; // 返回 -1 (未找到) cout << cache.get(3) << endl; // 返回 3 cout << cache.get(4) << endl; // 返回 4 return 0; } ``` LRU算法的核心是使用一个双向链表和一个哈希表，其中哈希表的键为key，值为指向双向链表中的节点的迭代器。每当访问一个节点时，将其从双向链表中删除，并将其插入到链表头部，同时更新哈希表中的值。当缓存满时，删除链表尾部的节点。当插入一个新的节点时，如果缓存已满，则删除链表尾部的节点。如果缓存未满，则直接插入到链表头部。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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