赞
踩
LRU、LFU都是内存管理淘汰算法,内存管理是计算机技术中重要的一环,也是多数操作系统中必备的模块。应用场景:假设 给定你一定内存空间,需要你维护一些缓存数据,LRU、LFU就是在内存已经满了的情况下,如果再次添加新的数据,该淘汰哪些数据来留出新数据的内存空间???
LRU(east recently used),即最近最少使用 ,也就是说 在内存满的情况下,将会淘汰很久都没有使用过的数据。例如 leetcode 146题。
需求:现在需要设计一个算法,使得插入新数据、获取已经存入的数据,使得平均时间复杂度O(1)。
设计思路:因为插入、获取数据时,都会更新时间戳,还需要使得平均时间复杂度O(1),可以使用双链表+哈希表的方式来存储。
如上图,哈希表里存储 键与双链表节点,双链表的head表示最近使用过的数据,tail表示很久都没使用过的数据。
插入数据时,在哈希表建立key与Node节点,然后把Node节点插入双链表的头部位置。
获取数据时,从哈希表拿到Node节点,然后把Node节点从双链表中分离出来,插入双链表的头部位置即可。
以上两个步骤,时间复杂度都是O(1)。所以符合题意。
代码如下:
// lc146题 直接能过的代码 class LRUCache { // LRU,最近最少使用 // 用双链表节点包装进行连接 private HashMap<Integer, Node> map; // 哈希表,存储key与双链表节点 private int maxSize; // 缓存的最大容量 private Node head, tail; // 头部是最近使用的,尾部 是很久没使用的 private static class Node { // 双链表节点 int key, val; Node left, right; public Node(int k, int v) { key = k; val = v; } } public LRUCache(int capacity) { map = new HashMap<>(); maxSize = capacity; } public int get(int key) { if(!map.containsKey(key)) return -1; Node node = map.get(key); if (node == head) return node.val; apart(node); //分离出node节点 node.right = head; // 插入到双链表的头部位置 head.left = node; head = node; return node.val; } public void put(int key, int value) { if (!map.containsKey(key)) { Node node = new Node(key, value); node.right = head; if (head != null) head.left = node; if (tail == null) tail = node; head = node; map.put(key, node); if (map.size() > maxSize) { // 容量超了,删除双链表的尾部元素 if (tail.left != null) { tail.left.right = null; } map.remove(tail.key); Node pre = tail.left; tail.left = null; tail = pre; } } else { Node node = map.get(key); node.val = value; get(key); // 调用get,使其向前移动 } } // node的左右两边连接,将node抽离出 private void apart(Node node) { node.left.right = node.right; if (node.right != null) { node.right.left = node.left; } if (node == tail) { tail = node.left; } node.left = node.right = null; } } /** * 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); */
LFU(least frequancy used), 即不常用算法,按照每个数据的访问次数来判断数据的使用情况。如果一个数据在近一段时间内没有被访问或者被访问的可能性小,则会被淘汰。(简单点说,就是按照“使用频率”来分级的)例题:leetcode 460题
需求:现在需要设计一个算法,使得插入、获取数据的平均时间复杂度O(1)。
设计思路:按照使用频率进行划分,相同频率的数据放在同一个“桶”内,从左往右频率逐渐升高;而桶内部是从上往下,按照插入桶内的时间来排序,新插入的节点在桶的顶部,很久之前插入的节点在桶的底部,如下图所示:
注意:当内存满了的时候,会删除 频率最低的桶内,最后的一个数据节点。
代码实现如下:
public class LFUCache { public LFUCache(int K) { capacity = K; size = 0; records = new HashMap<>(); heads = new HashMap<>(); headList = null; } private int capacity; // 缓存的大小限制,即K private int size; // 缓存目前有多少个节点 private HashMap<Integer, Node> records;// 表示key(Integer)由哪个节点(Node)代表 private HashMap<Node, NodeList> heads; // 表示节点(Node)在哪个桶(NodeList)里 private NodeList headList; // 整个结构中位于最左的桶 // 节点的数据结构 public static class Node { public Integer key; public Integer value; public Integer times; // 这个节点发生get或者set的次数总和 public Node up; // 节点之间是双向链表所以有上一个节点 public Node down;// 节点之间是双向链表所以有下一个节点 public Node(int k, int v, int t) { key = k; value = v; times = t; } } // 桶结构 public static class NodeList { public Node head; // 桶的头节点 public Node tail; // 桶的尾节点 public NodeList last; // 桶之间是双向链表所以有前一个桶 public NodeList next; // 桶之间是双向链表所以有后一个桶 public NodeList(Node node) { head = node; tail = node; } // 把一个新的节点加入这个桶,新的节点都放在顶端变成新的头部 public void addNodeFromHead(Node newHead) { newHead.down = head; head.up = newHead; head = newHead; } // 判断这个桶是不是空的 public boolean isEmpty() { return head == null; } // 删除node节点并保证node的上下环境重新连接 public void deleteNode(Node node) { if (head == tail) { head = null; tail = null; } else { if (node == head) { head = node.down; head.up = null; } else if (node == tail) { tail = node.up; tail.down = null; } else { node.up.down = node.down; node.down.up = node.up; } } node.up = null; node.down = null; } } // removeNodeList:刚刚减少了一个节点的桶 // 这个函数的功能是,判断刚刚减少了一个节点的桶是不是已经空了。 // 1)如果不空,什么也不做 // // 2)如果空了,removeNodeList还是整个缓存结构最左的桶(headList)。 // 删掉这个桶的同时也要让最左的桶变成removeNodeList的下一个。 // // 3)如果空了,removeNodeList不是整个缓存结构最左的桶(headList)。 // 把这个桶删除,并保证上一个的桶和下一个桶之间还是双向链表的连接方式 // // 函数的返回值表示刚刚减少了一个节点的桶是不是已经空了,空了返回true;不空返回false private boolean modifyHeadList(NodeList removeNodeList) { if (removeNodeList.isEmpty()) { if (headList == removeNodeList) { headList = removeNodeList.next; if (headList != null) { headList.last = null; } } else { removeNodeList.last.next = removeNodeList.next; if (removeNodeList.next != null) { removeNodeList.next.last = removeNodeList.last; } } return true; } return false; } // 函数的功能 // node这个节点的次数+1了,这个节点原来在oldNodeList里。 // 把node从oldNodeList删掉,然后放到次数+1的桶中 // 整个过程既要保证桶之间仍然是双向链表,也要保证节点之间仍然是双向链表 private void move(Node node, NodeList oldNodeList) { oldNodeList.deleteNode(node); // preList表示次数+1的桶的前一个桶是谁 // 如果oldNodeList删掉node之后还有节点,oldNodeList就是次数+1的桶的前一个桶 // 如果oldNodeList删掉node之后空了,oldNodeList是需要删除的,所以次数+1的桶的前一个桶,是oldNodeList的前一个 NodeList preList = modifyHeadList(oldNodeList) ? oldNodeList.last : oldNodeList; // nextList表示次数+1的桶的后一个桶是谁 NodeList nextList = oldNodeList.next; if (nextList == null) { NodeList newList = new NodeList(node); if (preList != null) { preList.next = newList; } newList.last = preList; if (headList == null) { headList = newList; } heads.put(node, newList); } else { if (nextList.head.times.equals(node.times)) { nextList.addNodeFromHead(node); heads.put(node, nextList); } else { NodeList newList = new NodeList(node); if (preList != null) { preList.next = newList; } newList.last = preList; newList.next = nextList; nextList.last = newList; if (headList == nextList) { headList = newList; } heads.put(node, newList); } } } public void put(int key, int value) { if (capacity == 0) { return; } if (records.containsKey(key)) { Node node = records.get(key); node.value = value; node.times++; NodeList curNodeList = heads.get(node); move(node, curNodeList); } else { if (size == capacity) { Node node = headList.tail; headList.deleteNode(node); modifyHeadList(headList); records.remove(node.key); heads.remove(node); size--; } Node node = new Node(key, value, 1); if (headList == null) { headList = new NodeList(node); } else { if (headList.head.times.equals(node.times)) { headList.addNodeFromHead(node); } else { NodeList newList = new NodeList(node); newList.next = headList; headList.last = newList; headList = newList; } } records.put(key, node); heads.put(node, headList); size++; } } public int get(int key) { if (!records.containsKey(key)) { return -1; } Node node = records.get(key); node.times++; NodeList curNodeList = heads.get(node); move(node, curNodeList); return node.value; } }
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。