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
云深处@12 分钟前
【C++设计模式】命令模式
c++·设计模式·命令模式
wuminyu17 分钟前
JDK21 FFM异步读取MSG_ZEROCOPY错误队列揭秘
java·linux·c语言·jvm·c++
名字还没想好☜20 分钟前
Next.js 用 cookies()/headers() 读请求信息:动态渲染触发、缓存失效与在 Server Action 里读写 cookie
前端·javascript·缓存·react·next.js·app router
智嵌研习社28 分钟前
Ollama 本地大模型完全配置指南:Modelfile 参数与系统环境变量深度解析
java·开发语言
江安下小雨39 分钟前
muduo网络库(十三):Buffer 缓冲区类
c++·经验分享
XZ-07000141 分钟前
1-1-可视化-练习
开发语言·python
lv__pf1 小时前
redis缓存数据库进阶
数据库·redis·缓存
橙橙笔记1 小时前
Python学习第三部分
开发语言·python·学习
huainingning1 小时前
个人版WorkBuddy编写设备巡检并导出设备配置python脚本
开发语言·python
草莓熊Lotso1 小时前
【Redis 初阶】Hash 类型深度解析:结构化数据存储的最优解
linux·网络·数据库·redis·tcp/ip·缓存·哈希算法