LRU缓存
问题描述
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类:
LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
void put(int key, int value) 如果关键字 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
代码实现
class LRUCache {
int size;
int capacity;
Map<Integer, DoubleListNode> map;
DoubleListNode head;
DoubleListNode tail;
public LRUCache(int capacity) {
size = 0;
this.capacity = capacity;
map = new HashMap<>();
head = new DoubleListNode(0, 0);
tail = new DoubleListNode(0, 0);
head.next = tail;
tail.pre = head;
}
public int get(int key) {
if (!map.containsKey(key)) {
return -1;
}
DoubleListNode node = map.get(key);
remove(node);
addToHead(node);
return node.val;
}
public void put(int key, int value) {
if(map.containsKey(key)){
DoubleListNode node = map.get(key);
remove(node);
node.val=value;
addToHead(node);
}else{
if (size < capacity) {
DoubleListNode node = new DoubleListNode(key, value);
addToHead(node);
map.put(key, node);
size++;
} else {
DoubleListNode pre = tail.pre;
int k = pre.key;
map.remove(k);
removeFromTail();
DoubleListNode node = new DoubleListNode(key, value);
addToHead(node);
map.put(key, node);
}
}
}
public void remove(DoubleListNode node) {
node.pre.next = node.next;
node.next.pre = node.pre;
}
public void addToHead(DoubleListNode node) {
DoubleListNode next = head.next;
next.pre = node;
node.next = next;
head.next = node;
node.pre = head;
}
public void removeFromTail() {
remove(tail.pre);
}
}
class DoubleListNode {
public int key;
public int val;
public DoubleListNode pre;
public DoubleListNode next;
public DoubleListNode() {
}
public DoubleListNode(int key, int val) {
this.key = key;
this.val = val;
}
}
LFU缓存
问题描述
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。
代码实现
import java.util.HashMap;
import java.util.Map;
import java.util.TreeSet;
class LFUCache {
int time;
int capacity;
Map<Integer, Node> map;
TreeSet<Node> treeSet;
public LFUCache(int capacity) {
this.capacity = capacity;
this.time = 0;
map = new HashMap<>();
treeSet = new TreeSet<>();
}
public int get(int key) {
if (!map.containsKey(key)) {
return -1;
}
Node node = map.get(key);
treeSet.remove(node);
node.count += 1;
node.time = ++time;
treeSet.add(node);
map.put(key, node);
return node.value;
}
public void put(int key, int value) {
if(!map.containsKey(key)) {
if (map.size() == capacity) {
Node node = treeSet.first();
map.remove(node.key);
treeSet.remove(node);
}
Node newNode = new Node(1,++time,key, value);
map.put(key, newNode);
treeSet.add(newNode);
}else{
Node node = map.get(key);
treeSet.remove(node);
node.count += 1;
node.time = ++time;
node.value = value;
treeSet.add(node);
map.put(key, node);
}
}
}
class Node implements Comparable<Node> {
int count;
int time;
int key;
int value;
public Node() {
}
public Node(int count, int time, int key, int value) {
this.count = count;
this.time = time;
this.key = key;
this.value = value;
}
@Override
public int compareTo(Node o) {
return this.count==o.count?this.time-o.time:this.count-o.count;
}
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (o == null || getClass() != o.getClass()) {
return false;
}
Node node = (Node) o;
return count == node.count && time == node.time;
}
@Override
public int hashCode() {
return 10000007 * count + time;
}
}