设计LRU缓存结构

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:

  1. Solution(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存

  2. 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 。

  3. 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

复制代码
class Solution 
{
    int cap;
    list<pair<int,int>> dataList;
    unordered_map<int,list<pair<int,int>>::iterator> um;
public:
 Solution(int capacity)
 {
    cap=capacity;
 }
 
 int get(int key) 
 {
    if(um.find(key)!=um.end())
    {
        int value=um[key]->second;
        dataList.erase(um[key]);
        dataList.push_front(make_pair(key,value));
        um[key]=dataList.begin();
        return value;
    }
    else 
    {
        return -1;    
    }
 }
 
 void set(int key, int value)
{

    if(um.find(key)!=um.end())
    {
        dataList.erase(um[key]);
    }
    else if(um.size()==cap)
    {
        um.erase(dataList.back().first);
        dataList.pop_back();
    }
    dataList.push_front(make_pair(key,value));
    um[key]=dataList.begin();

 }
};

LRU缓存结构具有当最新get或者set后的数据需要在链表中重新设置优先级,即设置为活跃节点;主要利用list作为缓冲区,使用unordered_map可以进行更快地查找;当在链表中插入和删除节点时,也需要在unordered_map中对数据进行相应的更新。

相关推荐
代龙涛4 分钟前
WordPress Query 查询机制详解(WP_Query)
开发语言·后端·php·wordpress
znsoft23 分钟前
MaClaw(码卡龙)技术拆解:一个 Go + React 的可自进化智能体平台
开发语言·react.js·golang
凉茶钱2 小时前
红黑树:用“颜色”换“平衡”,set 与 map 的底层发动机
开发语言·c++·红黑树
高冷小鱼殿下2 小时前
内部类Lambda与枚举
java·开发语言
shelly聊外贸2 小时前
WhatsApp 聊天记录如何导出为 CSV?使用 Python 进行数据分析
开发语言·python·数据分析
octopus_c3 小时前
C++ 模板详解:函数模板、类模板、特化与分离编译
开发语言·c++·算法
東隅已逝,桑榆非晚3 小时前
算法1. 双指针法-移动零
c++·算法
椒颜皮皮虾྅4 小时前
让文档不止于文字:DeploySharp + PP-Structure,打通版面分析与表格重建
开发语言·学习·c#·.net·cuda
Eider19984 小时前
Python基础知识之并发相关-2
开发语言·前端·python
第九序言T4 小时前
Python 数据处理进阶(二十二)用 Pandas 做一次完整的用户行为分析
开发语言·python·数据分析·pandas