布隆过滤Bloom Filter:js/ts

在这里插入图片描述

/**
 * 存储节点
 */
var Node = function(key = null, value = null){
    this.key = key;
    this.value = value;
    this.prev = null;
    this.next = null;
}

/**
 * @param {number} capacity
 */
var LRUCache = function(capacity) {
    this.hashtable = new Map();
    //存储容量
    this.capacity = capacity;
    //size用于维护容量大小,当超过容量大小,需要进行减容
    this.size = 0;
    //哨兵:头结点,尾节点
    this.head = new Node();
    this.tail = new Node();
    //维护一个双向链表
    this.head.next = this.tail;
    this.tail.prev = this.head;
};

/** 
 * @param {number} key
 * @return {number}
 */
LRUCache.prototype.get = function(key) {
    let node = this.hashtable.get(key);
    //未找到,返回-1
    if(node == null) {
        return -1;
    }

    //找到节点,需要移动节点,并返回节点的值
    this.moveToHead(node);
    return node.value;
};
/**
 * 将节点移动到头部
 */
LRUCache.prototype.moveToHead = function(node) {
    //step:1.断开当前结点所在节点的连接,即移除节点
    //step:2.将节点移动到头部
    this.removeNode(node);
    this.addToHead(node);
}
/**
 * 移除节点
 */
LRUCache.prototype.removeNode = function(node, flag) {    
    let prevNode = node.prev;
    let nextNode = node.next;

    prevNode.next = nextNode;
    nextNode.prev = prevNode;
    //节点的前后指针清空
    node.prev = null;
    node.next = null;
}
/**
 * 添加节点到头部位置
 */
LRUCache.prototype.addToHead = function(node) {
    let firstNode = this.head.next;
    this.head.next = node;
    node.prev = this.head;
    node.next = firstNode;
    firstNode.prev = node;
}
/** 
 * @param {number} key 
 * @param {number} value
 * @return {void}
 */
LRUCache.prototype.put = function(key, value) {
    let node = this.hashtable.get(key);
    //有节点,进行更新,无节点,添加新节点到头部位置
    if(node != null) {
        node.value = value;
        //将节点移动到头部
        this.moveToHead(node);
        return;
    }

    //无节点,进行新增,添加到链表中和hashtable中, 同时维护capacity
    node = new Node(key, value);
    this.addToHead(node);
    this.hashtable.set(key, node);
    this.size++;

    //当节点数量大于容量,需要删除尾节点(不是哨兵尾节点),并清除hashtable中对应的key
    if(this.size > this.capacity) {
        let tailNode = this.tail.prev;

        this.removeNode(tailNode);
        //hashtable中也要删除对应的key
        this.hashtable.delete(tailNode.key);
        //删除尾节点后,继续维护size
        this.size--;
    }
};



/**
 * Your LRUCache object will be instantiated and called as such:
 * var obj = new LRUCache(capacity)
 * var param_1 = obj.get(key)
 * obj.put(key,value)
 */
class LRUCache {
    private hashtable: Map<number, DoublyLinkedNode>;
    private capacity: number;
    private size: number;
    private head: DoublyLinkedNode;
    private tail: DoublyLinkedNode;
    constructor(capacity: number) {
        this.capacity = capacity;
        this.size = 0;    
        this.hashtable = new Map();   
        this.head = new DoublyLinkedNode();
        this.tail = new DoublyLinkedNode();

        //链表相连
        this.head.next = this.tail;
        this.tail.prev = this.head; 
    }

    get(key: number): number {
        let node: DoublyLinkedNode = this.hashtable.get(key);
        if(node == null) {
            return -1;
        }

        //找到节点
        this.moveToHead(node);
        return node.value;
    }

    put(key: number, value: number): void {
        let node: DoublyLinkedNode = this.hashtable.get(key);
        if(node != null) {
            node.value = value;
            //更新到最前面
            this.moveToHead(node);
            return;
        }

        //新增节点
        node = new DoublyLinkedNode(key, value);
        //将节点添加的链表头部,并将key加入到hash表中
        this.addToHead(node);
        this.hashtable.set(key, node);
        this.size++;

        if(this.size > this.capacity) {
            let tailNode: DoublyLinkedNode = this.tail.prev;
            //超过容量,删除链表最后的节点, 删除hash表中该节点对应的key
            this.removeNode(tailNode);
            this.hashtable.delete(tailNode.key);
            this.size--;
        }

    }
    //移动到头部
    moveToHead(node: DoublyLinkedNode): void {
        this.removeNode(node);
        this.addToHead(node);
    }
    //删除节点
    removeNode(node: DoublyLinkedNode): void {
        let prevNode: DoublyLinkedNode = node.prev;
        let nextNode: DoublyLinkedNode = node.next;

        prevNode.next  = nextNode;
        nextNode.prev = prevNode;

        node.next = null;
        node.prev = null;
    }
    //添加到头部节点位置
    addToHead(node: DoublyLinkedNode): void {
        let firstNode: DoublyLinkedNode = this.head.next;
        this.head.next = node;
        node.prev = this.head;
        firstNode.prev = node;
        node.next = firstNode;
    }
}

class DoublyLinkedNode {
    public key: number;
    public value: number;
    public next: DoublyLinkedNode;
    public prev: DoublyLinkedNode;
    constructor(key: number = -1, value: number = -1) {
        this.key = key,
        this.value = value;
        this.next = null;
        this.prev = null;
    }
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * var obj = new LRUCache(capacity)
 * var param_1 = obj.get(key)
 * obj.put(key,value)
 */
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
布隆过滤器(Bloom Filter)是一种重要的数据结构,它用于快速判断一个元素是否存在于一个集合中。布隆过滤器的核心思想是通过一系列哈希函数来对元素进行多次哈希,然后将得到的哈希值映射到一个位数组中,并将对应的位置设为1。当需要判断一个元素是否存在时,同样对其进行多次哈希,检查对应位数组的值是否都为1,若都为1则可以确定元素可能存在;若存在一个0,则可以确定元素一定不存在。因此,布隆过滤器是一种基于概率的数据结构,可以高效地进行查找。 然而,布隆过滤器也存在一些问题。首先,由于多个不同的元素可能会哈希到相同的位上,因此在查询时可能出现误判,即判断一个元素存在时实际上并不存在。这种误判是由于多个元素共享了某一位的原因导致的。其次,布隆过滤器的特性决定了它无法支持元素的删除操作,因为删除一个元素可能会影响其他元素的判断结果,从而增加误判率。 要注意的是,计数布隆过滤器(Counting Bloom Filter)提供了一种实现删除操作的可能性,但并不能保证在后续查询时该值一定返回不存在。因此,不能说计数布隆过滤器支持删除,而是说计数布隆过滤器提供了实现删除的可能。 [3<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【海量数据处理】布隆过滤BloomFilter](https://blog.csdn.net/qq_43727529/article/details/127180864)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [Java --- redis7之布隆过滤BloomFilter](https://blog.csdn.net/qq_46093575/article/details/130613434)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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