对网站建设有什么样好的建设意见,手工制作帽子 小学生,百度 营销推广怎么做,网站建设加空间146. 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。 实现 LRUCache 类#xff1a; 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#xff0c;则返回关键字的值#xff0…146. 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。 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。 示例 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 {11}
lRUCache.put(2, 2); // 缓存是 {11, 22}
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 {11, 33}
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 {44, 33}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4提示 1 capacity 30000 key 100000 value 105最多调用 2 * 105 次 get 和 put 解法1Map ArrayList (key)
用一个Map来存放key和value一个ArrayList来存放访问顺序。 当用户get、put的key存在时则从ArrayList中找到对应的key删除然后把新访问的key放到尾部。
头部表示最久未访问的数据尾部表示最新访问的数据。与数据结构匹配。
class LRUCache {private int capacity;private MapInteger,Integer cache;private ListInteger delete;public LRUCache(int capacity) {this.cache new HashMap(capacity);this.capacity capacity;this.delete new ArrayList(capacity);}public int get(int key) {Integer value cache.get(key);if(value ! null){// update to delete queuedelete.remove((Integer)key);delete.add((Integer)key);return value;}return -1;}public void put(int key, int value) {// if existedif (cache.containsKey(key)) {// update to delete queuedelete.remove((Integer)key);delete.add((Integer)key);cache.put(key, value);return;}// if cache is full, need to deleteif(cache.size() capacity){Integer deleteKey delete.remove(0);cache.remove(deleteKey);}cache.put(key, value);delete.add(key);}}/*** Your LRUCache object will be instantiated and called as such:* LRUCache obj new LRUCache(capacity);* int param_1 obj.get(key);* obj.put(key,value);*/ 性能不怎么好花了883ms。大部分时间花在ArrayList中查找key的位置和删除key后移动元素上了。
那我们想办法改进下查找和删除。 解法2Map ArrayList (key, timestamp) 我们看到解法1中大部分时间都是在ArrayList中查找key和删除后移动数据。那么我们能不能不移动数据答案是可以的。
方法是我们每次操作key后为其引入一个timestamp需要删除这个key时比较待删除的timestamp是否没有更新过没更新过则删除。这里使用程序启动后的纳秒防止在同一个微秒内完成了多个操作不能区分。
class LRUCache {private int capacity;private MapInteger,KeyTime cache;private ListKeyTime delete;public LRUCache(int capacity) {this.capacity capacity;this.cache new HashMap(capacity*3/2);this.delete new LinkedList();}public int get(int key) {KeyTime kt cache.get(key);if(kt ! null){long time System.nanoTime();kt.time time;// update to delete queuedelete.add(new KeyTime(key, kt.value, time));return kt.value;}return -1;}public void put(int key, int value) {long time System.nanoTime();// if existedKeyTime kt cache.get(key);if (kt ! null) {kt.time time;kt.value value;// update to delete queuedelete.add(new KeyTime(key, value, time));return;}// if cache is full, need to deleteif(cache.size() capacity){while(true) {KeyTime deleteKt delete.remove(0);KeyTime existKt cache.get(deleteKt.key);if (existKt ! null existKt.time deleteKt.time) {cache.remove(deleteKt.key);break;}}}cache.put(key, new KeyTime(key, value, time));delete.add(new KeyTime(key, value, time));}static class KeyTime {int key;int value;long time;public KeyTime(int key, int value, long time) {this.key key;this.value value;this.time time;}}}/*** Your LRUCache object will be instantiated and called as such:* LRUCache obj new LRUCache(capacity);* int param_1 obj.get(key);* obj.put(key,value);*/ 性能已经从883ms提升到了52ms历史性的飞跃。还不错可惜才28.88%要是还想进一步优化的话可以参考官方的LinkedHashMap实现。
解法3HashMap 双向链表 LinkedHashMap 这里get/put 后把新访问的节点移动到表尾处表头存放的是最久未访问的数据。
具体实现如下
public class LRUCache {/*** use double direction linked list to store the order which to evict over due key.*/private int capacity;private MapInteger,Node cache;// store the first node to delete which is unused for a long timeprivate Node head;// store the used node recentlyprivate Node tail;public LRUCache(int capacity) {this.capacity capacity;this.cache new HashMap(capacity);this.head new Node(-1, 0, null, null);this.tail new Node(-2, 0, head, null);this.head.next tail;}public int get(int key) {Node node cache.get(key);if (node ! null) {// existed then move to headmoveToTail(node);return node.value;}return -1;}public void put(int key, int value) {Node node cache.get(key);if (node ! null) {// existed, only need to update positionmoveToTail(node);node.value value;return;}// cache is full, get the last unused node to removeif (cache.size() capacity) {// remove the head node which is unused for a long timeNode toDelete head.next;deleteNode(toDelete);cache.remove(toDelete.key);}node new Node(key, value, null, null);cache.put(key, node);addToTail(node);}static class Node {int key;int value;Node previous;Node next;public Node(int key, int value, Node previous, Node next) {this.key key;this.value value;this.previous previous;this.next next;}}public void moveToTail(Node node) {deleteNode(node);addToTail(node);}/*** delete node from list.*/public void deleteNode(Node node) {node.previous.next node.next;node.next.previous node.previous;}/*** add node to list tail.*/public void addToTail(Node node) {node.next tail;node.previous tail.previous;tail.previous.next node;tail.previous node;}
}运行时间43ms超越98.98%可以了。
