一、什么是LRU cache
一种缓存淘汰机制
什么是cache?通常指得速度相差较大的俩个硬件之间,用于协调二者数据传输的速度的一种结构。类如在CPU和内存、内存和硬盘。cache的容量是有限的,必然存在淘汰!
LRU是最近很少使用。我们通常认为最近使用的数据是有用的,很少使用是无用的,应该被优先淘汰掉。
例如在手机后台中,当运行的软件超过一定的内存时,最先淘汰掉的是很少使用的软件。
二、LRU cache的设计
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。
这种淘汰机制要实现所有的操作都是常数次的时间复杂度,实现增删查改0(1)的时间复杂度。
输入 ["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]] 输出 [null, null, null, 1, null, -1, null, -1, 3, 4] 解释 LRUCache lRUCache = new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {1=1} lRUCache.put(2, 2); // 缓存是 {1=1, 2=2} 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} 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} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4
查找到数据O(1)的时间复杂度需要借助哈希表
添加一个数据到哈希表中的时间复杂度也是O(1)。
但是让这个元素更新到最前,哈希表不能做到,就要借助链表。队列中,我们不知道元素在哪里,遍历是O(N)的时间。
为了解决寻找,就要把key和链表的迭代器(这里是每一个结点的指针)绑定在一起,通过查找哈希表,就能知道在队列中的位置。
如果要更新元素到最前,要同时修改哈希表的映射和在队列中的位置。
三、结构实现
框架
哈希表的K放key ,V放链表迭代器
同时包含capacity,用于push的淘汰
size_t _capacity;
unordered_map<int ,list<pair<int,int>>::iterator> _HashMap;
list<pair<int ,int>> _list;
get() 获取和更新
先通过哈希表找key,second就是迭代器,返回迭代器的second,并将该结点转移到链表的首位
int get(int key) {
auto hashit=_HashMap.find(key);
//找到
if(hashit!=_HashMap.end())
{
auto it=hashit->second;
_list.splice(_list.begin(),_list ,it);
return it->second;
}
else
{
return -1;
}
}
splice函数的用法
void splice (iterator position, list& x, iterator i)
将目标迭代器转移到一个链表的位置
put 插入和更新
先在哈希表中查找映射 关系:
如果不存在就将再检查是否满了。如果满了,就要尾删 ,因为list是双向链表,尾删的代价是0(1) 。插入时,是头插,并且用迭代器更新哈希表。
如果存在,就更新value并且将结点移到最前面(逻辑同get)
这里的淘汰机制就是删除链表的最后一个位置,并且删除哈希表中的映射关系。
void put(int key, int value)
{
auto hashit=_HashMap.find(key);
if(hashit==_HashMap.end())
{
//检查扩容
if(_capacity==_HashMap.size())
{
//尾删
auto back=_list.back();
_HashMap.erase(back.first);
_list.pop_back();
}
//新增
_list.push_front(make_pair(key,value));
_HashMap[key]=_list.begin();
}
else{
auto it=hashit->second;
it->second=value;
_list.splice(_list.begin(),_list ,it);
}
}
关键点是删除
转移
掌握了这俩个关键点,这道题就能顺利解决。
本题很考验基础功底,是一道不错的面试题。