【模拟-BM100 设计LRU缓存结构】

题目

BM100 设计LRU缓存结构

描述

设计LRU(最近最少使用)缓存结构，该结构在构造时确定大小，假设大小为 capacity ，操作次数是 n ，并有如下功能:

Solution(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
get(key)：如果关键字 key 存在于缓存中，则返回key对应的value值，否则返回 -1 。
set(key, value)：将记录(key, value)插入该结构，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key-value的数量超过capacity，弹出最久未使用的key-value

提示:

1.某个key的set或get操作一旦发生，则认为这个key的记录成了最常使用的，然后都会刷新缓存。

2.当缓存的大小超过capacity时，移除最不经常使用的记录。

3.返回的value都以字符串形式表达，如果是set，则会输出"null"来表示(不需要用户返回，系统会自动输出)，方便观察

4.函数set和get必须以O(1)的方式运行

5.为了方便区分缓存里key与value，下面说明的缓存里key用""号包裹

分析

python 的话，直接用collection 中的 OrderedDict

OrderedDict 是 Python 标准库 collections 模块中的一个特殊字典类，其核心特性是维护了元素添加的顺序。这与 Python 3.7 及以上版本中的普通字典不同，尽管普通字典现在也保持插入顺序，但 OrderedDict 提供了一些额外的功能，这些功能在普通字典中不可用。

顺序性：

OrderedDict 记录了元素被添加到字典中的顺序。这对于需要元素顺序的场景（如实现LRU缓存）非常有用。

重排功能：

使用 move_to_end 方法可以将一个键值对移动到有序字典的末尾或开头，这在调整元素顺序时非常方便。

常用方法

popitem(last=True): 弹出并返回一个键值对。如果 last 为 True（默认值），则按 LIFO（后进先出）顺序返回最后一个添加的元素；如果为 False，则按 FIFO（先进先出）顺序返回第一个添加的元素。

move_to_end(key, last=True): 将存在的键 key 移动到字典的末尾（如果 last=True）或字典的开头（如果 last=False）。

示例代码

下面是一个简单的示例，展示了 OrderedDict 的一些基本用法：

python 复制代码

from collections import OrderedDict

# 创建有序字典
od = OrderedDict()
od['a'] = 1
od['b'] = 2
od['c'] = 3

# 访问顺序
for key, value in od.items():
    print(key, value)  # a 1, b 2, c 3

# 移动元素 'b' 到末尾
od.move_to_end('b')
for key, value in od.items():
    print(key, value)  # a 1, c 3, b 2

# 弹出最先加入的元素
od.popitem(last=False)
for key, value in od.items():
    print(key, value)  # c 3, b 2

代码

python 复制代码

from collections import OrderedDict


class Solution:

    def __init__(self, capacity: int):
    # write code here
        self.capacity = capacity
        self.lru_cache = OrderedDict()

    def get(self, key: int) -> int:
    # write code here
        if key in self.lru_cache:
            self.lru_cache.move_to_end(key)
        return self.lru_cache.get(key,-1)
    

    def set(self, key: int, value: int) -> None:
    # write code here
        if key in self.lru_cache:
            # self.lur_cache.move_to_end(key)
            del self.lru_cache[key]
        self.lru_cache[key] = value
        if len(self.lru_cache)>self.capacity:
            self.lru_cache.popitem(last=False)

# Your Solution object will be instantiated and called as such:
# solution = Solution(capacity)
# output = solution.get(key)
# solution.set(key,value)