难度困难49收藏分享切换为英文关注
通过次数
1,527
提交次数
4,552
设计并实现最不经常使用(LFU)缓存的数据结构。它应该支持以下操作:get
和 put
。
get(key)
- 如果键存在于缓存中,则获取键的值(总是正数),否则返回 -1。put(key, value)
- 如果键不存在,请设置或插入值。当缓存达到其容量时,它应该在插入新项目之前,使最不经常使用的项目无效。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,最近最少使用的键将被去除。
进阶:
你是否可以在 O(1) 时间复杂度内执行两项操作?
示例:
LFUCache cache = new LFUCache( 2 /* capacity (缓存容量) */ ); cache.put(1, 1); cache.put(2, 2); cache.get(1); // 返回 1 cache.put(3, 3); // 去除 key 2 cache.get(2); // 返回 -1 (未找到key 2) cache.get(3); // 返回 3 cache.put(4, 4); // 去除 key 1 cache.get(1); // 返回 -1 (未找到 key 1) cache.get(3); // 返回 3 cache.get(4); // 返回 4
转载思路(讲的非常好):
LRU与LFU算法的区别?
这道题是让我们实现最近不常用页面置换算法LFU (Least Frequently Used), 之前我们做过一道类似的题LRU Cache,让我们求最近最少使用页面置换算法LRU (Least Recnetly Used)。两种算法虽然名字看起来很相似,但是其实是不同的。顾名思义,LRU算法是首先淘汰最长时间未被使用的页面,而LFU是先淘汰一定时间内被访问次数最少的页面。光说无凭,举个例子来看看,比如说我们的cache的大小为3,然后我们按顺序存入 5,4,5,4,5,7,这时候cache刚好被装满了,因为put进去之前存在的数不会占用额外地方。那么此时我们想再put进去一个8,如果使用LRU算法,应该将4删除,因为4最久未被使用,而如果使用LFU算法,则应该删除7,因为7被使用的次数最少,只使用了一次。相信这个简单的例子可以大概说明二者的区别。
为什么我们需要用三个哈希表来作为存储结构?
这道题比之前那道LRU的题目还要麻烦一些,因为那道题只要用个list把数字按时间顺序存入,链表底部的位置总是最久未被使用的,每次删除底部的值即可。而这道题不一样,由于需要删除最少次数的数字,那么我们必须要统计每一个key出现的次数,所以我们用一个哈希表m来记录当前数据{key, value}和其出现次数之间的映射,这样还不够,为了方便操作,我们需要把相同频率的key都放到一个list中,那么需要另一个哈希表freq来建立频率和一个里面所有key都是当前频率的list之间的映射。由于题目中要我们在O(1)的时间内完成操作了,为了快速的定位freq中key的位置,我们再用一个哈希表iter来建立key和freq中key的位置之间的映射。最后当然我们还需要两个变量cap和minFreq,分别来保存cache的大小,和当前最小的频率。
详细例子请看:
附上作者原文地址:https://www.cnblogs.com/grandyang/p/6258459.html
我按照此博主的思路重新写的代码,有注释,应该能好理解一些。
#include<iostream>
#include<list>
#include<unordered_map>
using namespace std;
class LFUCache {
public:
LFUCache(int capacity) {
this->capacity = capacity;
}
int get(int key) {
if (m_map.count(key) != 1) {
return -1;
}
else {
auto destAddr = m_iter[key];
m_freq[m_map[key].freq].erase(destAddr); //因为频率改变,所以需要在链表当中进行删除
m_map[key].freq++;
m_freq[m_map[key].freq].push_back(key);
m_iter[key] = --m_freq[m_map[key].freq].end();
if (m_freq[minFreq].size() == 0)
++minFreq;
return m_map[key].value;
}
}
void put(int key, int value) {
if (capacity <= 0)
return;
/* 说明目前不存在该值 */
if (get(key) == -1) {
/* 需要做一次弹出操作 */
if (m_map.size() >= capacity) {
auto minF = m_freq[minFreq];
int frontKey = minF.front(); //求出需要删除的key
m_freq[minFreq].pop_front();
m_map.erase(frontKey);
m_iter.erase(frontKey);
}
Node insNode;
insNode.value = value;
insNode.freq = 1;
m_map[key] = insNode;
m_freq[insNode.freq].push_back(key);
m_iter[key] = --m_freq[insNode.freq].end();
minFreq = 1;
}
else {
m_map[key].value = value;
}
}
private:
int capacity; //当前容量
int minFreq; //最小次数
typedef struct node {
int value; //存取的value值
int freq; //存储的次数
}Node;
unordered_map<int,Node> m_map; //key值对应Node节点
unordered_map<int,list<int>> m_freq; //key值对应Node节点当中的freq
unordered_map<int,list<int>::iterator> m_iter; //key值对应key值
};
int main() {
LFUCache cache(2);
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 去除 key 2
cache.get(2); // 返回 -1 (未找到key 2)
cache.get(3); // 返回 3
cache.put(4, 4); // 去除 key 1
int ret1 = cache.get(1); // 返回 -1 (未找到 key 1)
int ret2 = cache.get(3); // 返回 3
int ret3 = cache.get(4); // 返回 4
cout << "ret1:" << ret1 << endl;
cout << "ret2:" << ret2 << endl;
cout << "ret3:" << ret3 << endl;
system("pause");
return 0;
}