python实现LRU置换算法、LFU置换算法（补充self.map的使用和字典的方法）
关于本地存放的映射关系map：
本质上是一个空字典：self.map={}
每次新增一个节点node，都会把node的key, value放入map中： self.map[key] = node ==> self.map的样子应该是{key1:node1, key2:node2} （注意：node是一个自定义的新的类，详见：https://www.cnblogs.com/marvintang1001/p/11125619.html ）
取出字典一个键值对（返回的是值）： node = self.map[key] （这是非安全方法，如果没有这个key会报错。安全方法：value = my_dict.get("key") 如果没有这个键就返回None。）
删除字典一对键值的方法： self.map.pop(key) 或者是 del self.map[key]
for k, v in self.freq_map.items(): 字典的items方法：返回可遍历的(键, 值) 元组数组
*关于字典的应用：https://www.cnblogs.com/lowmanisbusy/p/9142199.html
LRU（最近最少使用）算法：
每次使用，把使用的节点放到链表最前面
淘汰缓存时，把链表尾部的节点淘汰
#! -*- encoding=utf-8 -*- from computer_principle.doublelinkedlist import DoubleLinkedList, Node class LRUCache(object): def __init__(self, capacity): self.capacity = capacity self.map = {} # 保存key和value的映射关系 self.list = DoubleLinkedList(self.capacity) # 每次使用，把使用的节点放到链表最前面，返回值 def get(self, key): if key in self.map: node = self.map[key] # 取出这个key和它的值 self.list.remove(node) self.list.append_front(node) #把这个缓存放到最前面 return node.value else: return -1 #添加一个缓存 def put(self, key, value): # 先判断key是否已经在缓存里: if key in self.map: #是在缓存里：更新value，放入最前面 node = self.map.get(key) self.list.remove(node) node.value = value self.list.append_front(node) else: node = Node(key, value) #缓存已经满了的话需要先删掉最后一个再往head增加新的： if self.list.size >= self.list.capacity-1: old_node = self.list.remove() self.map.pop(old_node.key) #删除节点同时要删除本地映射 self.list.append_front(node) self.map[key] = node def print(self): self.list.print() # test: if __name__ == '__main__': cache = LRUCache(2) cache.put(2, 2) cache.print() cache.put(1, 1) cache.print() cache.put(3, 3) # 淘汰了（1，1） cache.print() print(cache.get(1)) cache.print() print(cache.get(2)) cache.print() print(cache.get(3)) cache.print()
结果：
{2: 2}
{1: 1}=>{2: 2}
{3: 3}=>{1: 1}
1
{1: 1}=>{3: 3}
-1
{1: 1}=>{3: 3}
3
{3: 3}=>{1: 1}
LFU（最不经常使用）算法：
淘汰缓存时，把使用频率最小的淘汰
存在相同频率的情况：每个频率单独做一个双向链表，淘汰时把最低频率的head节点淘汰掉（FIFO）
#! -*- encoding=utf-8 -*- from computer_principle.doublelinkedlist import DoubleLinkedList, Node class LFUNode(Node): def __init__(self, key, value): self.freq = 0 # 新增一个freq属性 super(LFUNode, self).__init__(key, value) # 这是python2的写法。python3：super().__init__(key, value) class LFUCache(): def __init__(self, capacity): self.capacity = capacity self.map = {} # 保存key和value的映射关系 # key: 频率， value：频率对应的双向链表 self.freq_map = {} self.list = DoubleLinkedList(self.capacity) self.size = 0 # 更新节点频率的操作 def __update_freq(self, node): freq = node.freq # 这个节点之前所在的频率的双向链表 # 删除: node = self.freq_map[freq].remove(node) if self.freq_map[freq].size == 0: del self.freq_map[freq] # 更新: freq = freq+1 node.freq = freq if freq not in self.freq_map: self.freq_map[freq] = DoubleLinkedList() self.freq_map[freq].append(node) def get(self, key): if key not in self.map: return -1 node = self.map.get(key) self.__update_freq(node) return node.value def put(self, key, value): if self.capacity == 0: return # 缓存命中： if key in self.map: node = self.map.get(key) node.value = value self.__update_freq(node) # 缓存没有命中： else: # 判读缓存是否满了： if self.capacity == self.size: # 满了就淘汰频率最低，最早进去的那个缓存： min_freq = min(self.freq_map) #freq_map里的key都是数字 node = self.freq_map[min_freq].pop() #默认pop是head del self.map[node.key] self.size -= 1 # 下面是不管是否命中都会执行的步骤: node = LFUNode(key, value) node.freq = 1 self.map[key] = node if node.freq not in self.freq_map: self.freq_map[node.freq] = DoubleLinkedList() node = self.freq_map[node.freq].append(node) self.size += 1 def print(self): print('****************************') for k, v in self.freq_map.items(): # 字典的items方法：返回可遍历的(键, 值) 元组数组 print('Freq = {}'.format(k)) self.freq_map[k].print() print('****************************') print() # test: if __name__ == '__main__': cache = LFUCache(2) cache.put(1, 1) cache.print() cache.put(2, 2) cache.print() print(cache.get(1)) cache.print() cache.put(3, 3) cache.print() print(cache.get(2)) cache.print() print(cache.get(3)) cache.print() cache.put(4, 4) cache.print() print(cache.get(1)) cache.print() # print(cache.get(2)) print(cache.get(3)) cache.print() print(cache.get(4)) cache.print()
结果：
****************************
Freq = 1
{1: 1}
****************************
****************************
Freq = 1
{1: 1}=>{2: 2}
****************************
1
****************************
Freq = 1
{2: 2}
Freq = 2
{1: 1}
****************************
****************************
Freq = 1
{3: 3}
Freq = 2
{1: 1}
****************************
-1
****************************
Freq = 1
{3: 3}
Freq = 2
{1: 1}
****************************
3
****************************
Freq = 2
{1: 1}=>{3: 3}
****************************
****************************
Freq = 2
{3: 3}
Freq = 1
{4: 4}
****************************
-1
****************************
Freq = 2
{3: 3}
Freq = 1
{4: 4}
****************************
3
****************************
Freq = 1
{4: 4}
Freq = 3
{3: 3}
****************************
4
****************************
Freq = 3
{3: 3}
Freq = 2
{4: 4}
****************************
