leetcode LRU缓存机制(list+unordered_map)详细解析
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作: 获取数据 get 和 写入数据 put 。
获取数据 get(key) - 如果密钥 (key) 存在于缓存中,则获取密钥的值(总是正数),否则返回 -1。
写入数据 put(key, value) - 如果密钥不存在,则写入其数据值。当缓存容量达到上限时,它应该在写入新数据之前删除最近最少使用的数据值,从而为新的数据值留出空间。
进阶:
你是否可以在 O(1) 时间复杂度内完成这两种操作?
示例:
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
题解:
就是一种缓存淘汰策略。
计算机的缓存容量有限,如果缓存满了就要删除一些内容,给新内容腾位置。但问题是,删除哪些内容呢?我们肯定希望删掉哪些没什么用的缓存,而把有用的数据继续留在缓存里,方便之后继续使用。那么,什么样的数据,我们判定为「有用的」的数据呢?
LRU 缓存淘汰算法就是一种常用策略。LRU 的全称是 Least Recently Used,也就是说我们认为最近使用过的数据应该是是「有用的」,很久都没用过的数据应该是无用的,内存满了就优先删那些很久没用过的数据。
要让 put 和 get 方法的时间复杂度为 O(1)O(1),我们可以总结出 cache 这个数据结构必要的条件:查找快,插入快,删除快,有顺序之分。
因为显然 cache 必须有顺序之分,以区分最近使用的和久未使用的数据;而且我们要在 cache 中查找键是否已存在;如果容量满了要删除最后一个数据;每次访问还要把数据插入到队头。
那么,什么数据结构同时符合上述条件呢?哈希表查找快,但是数据无固定顺序;链表有顺序之分,插入删除快,但是查找慢。所以结合一下,形成一种新的数据结构:哈希链表。
参考代码:
1 class LRUCache { 2 private: 3 list<pair<int,int>> cache; 4 unordered_map<int, list<pair<int,int>>::iterator> ump; 5 int cap; 6 public: 7 LRUCache(int capacity) { 8 this->cap=capacity; 9 } 10 11 int get(int key) { 12 auto it=ump.find(key); 13 if(it==ump.end()) return -1; 14 pair<int,int> pv=*ump[key]; 15 cache.erase(ump[key]); 16 cache.push_front(pv); 17 ump[key]=cache.begin(); 18 19 return pv.second; 20 } 21 22 void put(int key, int value) { 23 auto it=ump.find(key); 24 if(it==ump.end()) 25 { 26 if(cache.size()==cap) 27 { 28 ump.erase(cache.back().first); 29 cache.pop_back(); 30 } 31 cache.push_front(make_pair(key,value)); 32 ump[key]=cache.begin(); 33 } 34 else 35 { 36 cache.erase(ump[key]); 37 cache.push_front(make_pair(key,value)); 38 ump[key]=cache.begin(); 39 } 40 } 41 }; 42 43 /** 44 * Your LRUCache object will be instantiated and called as such: 45 * LRUCache* obj = new LRUCache(capacity); 46 * int param_1 = obj->get(key); 47 * obj->put(key,value); 48 */