codeTop01:LRU (最近最少使用) 缓存的实现

这篇具有很好参考价值的文章主要介绍了codeTop01:LRU (最近最少使用) 缓存的实现。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

问题

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。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
设计一个链表,链表的长度固定,将最近访问到的节点放在链表的头部,刚刚插入的节点也放在链表的头部

思路

使用双向链表+哈希表
codeTop01:LRU (最近最少使用) 缓存的实现,算法,缓存

为什么要用双向链表+哈希表?

在将某个节点移到链表头的时候,需要知道该节点的前一个节点和后一个节点,使前一个节点的尾指针指向后一个节点的头指针。
使用哈希表是为了检索的效率O(1)

双向链表的数据结构?

class ListNode{
    int key;
    
    int value;
  
    ListNode prev,next;//前后指针
    
    public ListNode(){}

    public ListNode(int key,int value){
        this.key = key;
        this.value = value;
    }
}

初始化LRU缓存

public class LRUCache {

int capacity;
Map<Integer, ListNode> map;
ListNode head;
ListNode tail;

public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        head = new ListNode();
        tail = new ListNode();
        head.next = tail;
        tail.prev = head;
    }
}

codeTop01:LRU (最近最少使用) 缓存的实现,算法,缓存

在初始化map和缓存容量的同时,新建头尾节点,方便后续的操作文章来源地址https://www.toymoban.com/news/detail-837341.html

获取值

  public int get(int key) {
        if (map.containsKey(key)){
            ListNode listNode = map.get(key);
            //将key对应的节点插入到链表头
            deleteAndMoveHead(listNode);
            return listNode.value;
        }
        return -1;
    }

   private void deleteAndMoveHead(ListNode listNode) {
        listNode.prev.next = listNode.next;
        listNode.next.prev= listNode.prev;
        moveHead(listNode);
    }

  private void moveHead(ListNode listNode) {
        listNode.next = head.next;
        listNode.next.prev = listNode;
        head.next = listNode;
        listNode.prev = head;
    }

插入值

public void put(int key, int value) {
        if (map.containsKey(key)){
            ListNode listNode = map.get(key);
            listNode.value = value;
            deleteAndMoveHead(listNode);
        }else {
            if (map.size() == capacity){
               //删除尾节点
               moveTail();
            }
            //将新节点插入到头部
            ListNode listNode = new ListNode(key, value);
            moveHead(listNode);
            map.put(key,listNode);
    }
    //删除尾节点

     private void moveTail() {
        ListNode lastNode = tail.prev;
        lastNode.prev.next = tail;
        tail.prev =  lastNode.prev;
        head.prev = tail.prev;
        map.remove(lastNode.key);
    }
     

最终代码

package com.dj.mall.algorithm;

import java.util.HashMap;
import java.util.Map;

public class LRUCache {

    int capacity;
    Map<Integer, ListNode> map;
    ListNode head;
    ListNode tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        head = new ListNode();
        tail = new ListNode();
        head.next = tail;
        tail.prev = head;
    }

    public int get(int key) {
        if (map.containsKey(key)){
            ListNode listNode = map.get(key);
            //将key对应的节点插入到链表头
            deleteAndMoveHead(listNode);
            return listNode.value;
        }
        return -1;
    }

    private void deleteAndMoveHead(ListNode listNode) {
        listNode.prev.next = listNode.next;
        listNode.next.prev= listNode.prev;
        moveHead(listNode);
    }

    private void moveHead(ListNode listNode) {
        listNode.next = head.next;
        listNode.next.prev = listNode;
        head.next = listNode;
        listNode.prev = head;
    }

    public void put(int key, int value) {
        if (map.containsKey(key)){
            ListNode listNode = map.get(key);
            listNode.value = value;
            deleteAndMoveHead(listNode);
        }else {
            if (map.size() == capacity){
               //删除尾节点
               moveTail();
            }
            //将新节点插入到头部
            ListNode listNode = new ListNode(key, value);
            moveHead(listNode);
            map.put(key,listNode);
    }
 }

    //删除尾节点
    private void moveTail() {
        ListNode lastNode = tail.prev;
        lastNode.prev.next = tail;
        tail.prev =  lastNode.prev;
        head.prev = tail.prev;
        map.remove(lastNode.key);
    }

    public static void main(String[] args) {
        LRUCache lRUCache = new LRUCache(2);
        lRUCache.put(2, 1); // 缓存是 {1=1}
        lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
        System.out.println(lRUCache.get(1)); // 返回 1
        lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3}
        System.out.println(lRUCache.get(2)); // 返回 -1 (未找到)
        lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3}
        System.out.println(lRUCache.get(1));//-1
        System.out.println(lRUCache.get(3));//3
        System.out.println(lRUCache.get(4));//4
    }


}

//自定义双向链表的每一个节点
class ListNode{

    int key;
    int value;
    ListNode prev,next;
    public ListNode(){}
    public ListNode(int key,int value){
        this.key = key;
        this.value = value;
    }
}

到了这里,关于codeTop01:LRU (最近最少使用) 缓存的实现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 孩子都能学会的FPGA:第二十八课——用FPGA实现最近最少使用(LRU)算法

    (原创声明:该文是 作者的原创 ,面向对象是 FPGA入门者 ,后续会有进阶的高级教程。宗旨是 让每个想做FPGA的人轻松入门 , 作者不光让大家知其然,还要让大家知其所以然 !每个工程作者都搭建了全自动化的仿真环境,只需要双击 top_tb.bat 文件就可以完成整个的仿真(前

    2024年02月19日
    浏览(34)
  • verilog实例-近期最少使用算法(LRU)

    LRU算法 用于cache管理或任何其他需要对访问权进行周期更新的场合。 基于时间和空间考虑,cache中存储着近期将会用到的数据项。当cache被用满后,如果有新的数据项到来,需要将某个现有的数据项从cache中清除,为新进入者提供空间。此时通常使用的算法被称为LRU(Least Rece

    2024年02月08日
    浏览(38)
  • 【算法】用JAVA代码实现LRU 【缓存】【LRU】

    LRU(Least Recently Used)是一种常见的缓存淘汰策略,用于在缓存空间不足时确定哪些数据应该被淘汰。其基本原则是淘汰最近最少被访问的数据。 工作原理 : 最近使用优先 : LRU算法基于这样的思想:最近被使用的数据很可能在短时间内还会被使用,因此保留这些数据有助于

    2024年01月23日
    浏览(33)
  • 数据结构与算法之LRU: 实现 LRU 缓存算法功能 (Javascript版)

    关于LRU缓存 LRU - Lease Recently Used 最近使用 如果内存优先,只缓存最近使用的,删除 ‘沉睡’ 数据 核心 api: get set 分析 使用哈希表来实现, O(1) 必须是有序的,常用放在前面,沉睡放在后面, 即:有序,可排序 这样 {} 不符合要求;Map是可以排序的,按照设置顺序 不用 Map 如何

    2024年02月06日
    浏览(40)
  • 面试遇到算法题:实现LRU缓存

    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。 这是一道大厂面试高频出现的算法题,难度为⭐️⭐️⭐️,属于中等,老铁们来一起看看这个题该怎么解? 没有废话,翠花,上酸菜! 为了实现一个满足 LRU (最近最少使用)缓存约束的数据结构,我们需

    2024年04月25日
    浏览(28)
  • 如何用链表实现LRU缓存淘汰算法

    缓存是一种提高数据读取性能的技术,在硬件设计、软件开发中都有着非常广泛的应用,比如常见的 CPU 缓存、数据库缓存、浏览器缓存 等等 大小有限,当缓存被用满时,哪些数据应该被清理掉,哪些数据又应该保留呢? 先进先出策略 FIFO 最少使用策略 LFU 最近最少使用策略

    2024年02月01日
    浏览(45)
  • 【golang项目-GeeCache】动手写分布式缓存 day1 - 实现LRU算法

    【go项目-geecache】动手写分布式缓存 - day1 - 实现LRU算法 【go项目-geecache】动手写分布式缓存 - day2 - 单机并发缓存 【go项目-geecache】动手写分布式缓存 - day3 - HTTP 服务端 【go项目-geecache】动手写分布式缓存 - day4 - 一致性哈希(hash) 【go项目-geecache】动手写分布式缓存 - day5 - 分布

    2023年04月20日
    浏览(27)
  • 缓存替换策略:LRU-K算法详解及其C++实现 CMU15-445 Project#1

    CMU 15-445 (FALL 2022) Project #1 Task#2 LRU-K 替换策略详解实现,尽量提供思路,也可以为其他同学实现LRU-K算法做参考 参考文献:The LRU-K page replacement algorithm for database disk buffering (acm.org) 在网上都找不到其他参考,只有这一篇1993年的论文 LRU-K替换策略 LRU-K是LRU算法的一种衍生。强烈

    2023年04月12日
    浏览(23)
  • LRU 缓存淘汰算法

    Least Recently Used(LRU) 是缓存淘汰一种常用的策略,内存满了则优先删除最久没被使用的数据。 接收一个参数 capacity 作为缓存的最大容量 实现一个函数 put() 添加数据到缓存 实现一个函数 get() 查询缓存中的数据 以上函数应该在 (O(1)) 的时间内完成 满足以上需求的数据结构 —

    2024年02月11日
    浏览(43)
  • 初识Go语言25-数据结构与算法【堆、Trie树、用go中的list与map实现LRU算法、用go语言中的map和堆实现超时缓存】

      堆是一棵二叉树。大根堆即任意节点的值都大于等于其子节点。反之为小根堆。   用数组来表示堆,下标为 i 的结点的父结点下标为(i-1)/2,其左右子结点分别为 (2i + 1)、(2i + 2)。 构建堆   每当有元素调整下来时,要对以它为父节点的三角形区域进行调整。 插入元素

    2024年02月12日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包