lfu实现 java_LFU算法实现（460. LFU缓存）

今天字节客户端三面问了这道题，没做出来。第一，之前没见过lfu，第二，要求O(1)时间，条件苛刻一点。只能说无缘字节。

言归正传，LFU算法：least frequently used，最近最不经常使用算法。

什么意思呢：对于每个条目，维护其使用次数cnt、最近使用时间time。

cache容量为n，即最多存储n个条目。

那么当我需要插入新条目并且cache已经满了的时候，需要删除一个之前的条目。删除的策略是：优先删除使用次数cnt最小的那个条目，因为它最近最不经常使用，所以删除它。如果使用次数cnt最小值为min_cnt，这个min_cnt对应的条目有多个，那么在这些条目中删除最近使用时间time最早的那个条目(举个栗子：a资源和b资源都使用了两次，但a资源在5s的时候最后一次使用，b资源在7s的时候最后一次使用，那么删除a，因为b资源更晚被使用，所以b资源相比a资源来说，更有理由继续被使用，即时间局部性原理)。

类似lru算法的想法，利用哈希表加链表。链表是负责按时间先后排序的。哈希表是负责O(1)时间查找key对应节点的。

还是用一个哈希表，用来O(1)时间查找key对应的节点。

另外由于lfu算法是按照两个维度：引用计数、最近使用时间来排序的。所以一个链表肯定不够用了。解决办法就是按照下图这样，使用第二个哈希表，key是引用计数，value是一个链表，存储使用次数为当前key的所有节点。该链表中的所有节点按照最近使用时间排序，最近使用的在链表头部，最晚使用的在尾部。这样我们可以完成O(1)时间查找key对应节点(通过第一个哈希表)；O(1)时间删除、更改某节点(通过第二个哈希表)。

注意：get(查询)操作和put(插入)操作都算“使用”，都会增加引用计数。

所以get(key)操作实现思路：如果第一个哈希表中能查到key，那么取得相应链表节点。接下来在第二个哈希表中，把它移到其引用计数+1位置的链表头部，并删除之前的节点。

put(key,value)操作实现思路：如果第一个哈希表中能查找key，那么操作和get(key)一样，只是把新节点的value置为新value。

如果查不到key，那么我们有可能需要删除cache中的某一项(容量已经达到限制)：直接找到第二个哈希表中最小引用计数的链表，删除其末尾节点(最晚使用)。

之后再添加新节点即可。

注意点：1.容量超限需要删除节点时，删除了第二个哈希表中的项的同时，第一个哈希表中对应的映射也应该删掉。

2.需要保持一个min_cnt整型变量用来保存当前的最小引用计数。因为容量超限需要删除节点时，我们需要O(1)时间找到需要删除的节点。

题目：

请你为 最不经常使用(LFU)缓存算法设计并实现数据结构。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。当缓存达到其容量时，则应该在插入新项之前，使最不经常使用的项无效。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，应该去除最久未使用的键。

「项的使用次数」就是自插入该项以来对其调用 get 和 put 函数的次数之和。使用次数会在对应项被移除后置为 0 。

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

解答：

structp{intkey,value,cnt;

p(int a,int b,intc):key(a),value(b),cnt(c){}

};classLFUCache {public:

unordered_map::iterator>mp_key;

unordered_map>mp_cnt;int min_cnt=1;//key,value,cnts

intn;

LFUCache(intcapacity) {

n=capacity;

}int get(intkey) {if(n==0){return -1;}//cout<

if(mp_key.count(key)){//命中

auto iter=mp_key[key];int cnt=iter->cnt,val=iter->value;

mp_cnt[cnt+1].push_front(p(iter->key,val,cnt+1));//放到cnt+1的链表头部

mp_cnt[cnt].erase(iter); //删除之前节点

if(min_cnt==cnt and mp_cnt[cnt].size()==0){//更新min_cnt

min_cnt++;

}

mp_key[key]=mp_cnt[cnt+1].begin(); //更新mp_key//cout<

returnval;

}//cout<

return -1;

}void put(int key, intvalue) {if(n==0){return;}//cout<

if(mp_key.count(key)){//命中

auto iter=mp_key[key];int cnt=iter->cnt;

mp_cnt[cnt+1].push_front(p(key,value,cnt+1));

mp_cnt[cnt].erase(iter);

mp_key[key]=mp_cnt[cnt+1].begin();if(min_cnt==cnt and mp_cnt[cnt].size()==0){

min_cnt++;

}

}else{//插入新节点

if(mp_key.size()>=n){//需要删除cnt最小的list中最早出现的(mp_cnt[min_cnt].back())

int deleteKey=mp_cnt[min_cnt].back().key;

mp_cnt[min_cnt].pop_back();

mp_key.erase(deleteKey);

}

mp_cnt[1].push_front(p(key,value,1));

mp_key[key]=mp_cnt[1].begin();

min_cnt=1;//插入新节点了，最小cnt一定是1

}//cout<

}

};