17一起做网站后台,基于asp.net的视频网站开发,什么网站程序可以做抽奖页面,买东西网站有哪些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#xff0c;否则返回 -…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 思路这道题的难点在于记录最近最少使用使用map可以满足get的O(1)但是无法记录最近最少使用的数据如果使用数组删除/增加的时间复杂度则是O(n)也不满足。
使用哈希表 双向链表可以满足删除/增加的时间复杂度为O(1)。 这个图太形象了。
1双向链表按照被使用的顺序存储了这些键值对靠近头部的键值对是最近使用的而靠近尾部的键值对是最久未使用的。
2哈希表即为普通的哈希映射HashMap通过缓存数据的键映射到其在双向链表中的位置。
3对于 get 操作首先判断 key 是否存在 a如果 key 不存在则返回 −1 b如果 key 存在则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置并将其移动到双向链表的头部最后返回该节点的值。
3对于 put 操作首先判断 key 是否存在 a如果 key 不存在使用 key 和 value 创建一个新的节点在双向链表的头部添加该节点并将 key 和该节点添加进哈希表中。然后判断双向链表的节点数是否超出容量如果超出容量则删除双向链表的尾部节点并删除哈希表中对应的项 b如果 key 存在则与 get 操作类似先通过哈希表定位再将对应的节点的值更新为 value并将该节点移到双向链表的头部。 思路很清晰 class LRUCache {
public:LRUCache(int capacity) {}int get(int key) {}void put(int key, int value) {}
};/*** 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);*/
一步步实现
1定义双链表
struct DLinkedNode {int key, value; // k-vDLinkedNode* prev; // 前向指针DLinkedNode* next; // 后向指针// 两个构造函数DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};
2在LRUCache类中添加成员属性哈希表双向链表
class LRUCache {
public:// 新加的unordered_mapint, DLinkedNode* cache;DLinkedNode* head; // 伪头节点不存数据DLinkedNode* tail; // 伪尾节点不存数据int size; // 当前存储的数量当sizecapacity时要移出数据了int capacity; // 容量// 实现构造函数LRUCache(int _capacity): capacity(_capacity), size(0) {// 使用伪头节点和伪尾节点不存数据head new DLinkedNode();tail new DLinkedNode();// 开始时一个数据都没有head-next tail;tail-prev head;}int get(int key) {}void put(int key, int value) {}
};
3实现双向链表中的【在头部添加数据】、【任意位置删除数据】、【数据移动到头部】、【从尾部删除数据】
在头部添加数据 // 在头部添加数据void addToHead(DLinkedNode* node) {node-prev head;node-next head-next;head-next-prev node;head-next node;} 任意位置删除数据 // 任意位置删除数据void removeNode(DLinkedNode* node) {node-prev-next node-next;node-next-prev node-prev;}数据移动到头部 // 移动数据到头部void moveToHead(DLinkedNode* node) {removeNode(node);addToHead(node);}
从尾部删除数据 // 从尾部删除数据DLinkedNode* reoveTail() {DLinkedNode* node tail-prev;removeNode(node);return node;}
4实现get函数
如果不存在直接返回-1存在的话先通过哈希表定位再移动到头部 int get(int key) {// 不存在if (cache.count(key) 0) {return -1;}// 通过哈希找到移动到头部DLinkedNode* node cache[key];moveToHead(node);return node-value;}
5实现put函数
如果key不存在则创建一个节点注意sizecapacity的情况此时删除队尾数据 靠近头部的键值对是最近使用的而靠近尾部的键值对是最久未使用的。 如果存在修改value再将该节点移动到队头 void put(int key, int value) {// 不存在if (cache.count(key) 0) {DLinkedNode* node new DLinkedNode(key, value);cache[key] node; // 添加到哈希表中addToHead(node); // 移动到队头size;if (size capacity) {DLinkedNode* removeNode reoveTail(); // 删除尾部数据cache.erase(removeNode-key); // 删除哈希中的数据delete removeNode;size--; }} else {DLinkedNode* node cache[key];node-value value;moveToHead(node); // 移到队头}}
全部代码实现
struct DLinkedNode {int key, value; // k-vDLinkedNode* prev; // 前向指针DLinkedNode* next; // 后向指针// 两个构造函数DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};class LRUCache {
public:unordered_mapint, DLinkedNode* cache;DLinkedNode* head;DLinkedNode* tail;int size;int capacity;LRUCache(int _capacity): capacity(_capacity), size(0) {// 使用伪头节点和伪伪节点不存数据head new DLinkedNode();tail new DLinkedNode();// 开始时一个数据都没有head-next tail;tail-prev head;}int get(int key) {// 不存在if (cache.count(key) 0) {return -1;}// 通过哈希找到移动到头部DLinkedNode* node cache[key];moveToHead(node);return node-value;}void put(int key, int value) {// 不存在if (cache.count(key) 0) {DLinkedNode* node new DLinkedNode(key, value);cache[key] node; // 添加到哈希表中addToHead(node); // 移动到队头size;if (size capacity) {DLinkedNode* removeNode reoveTail(); // 删除尾部数据cache.erase(removeNode-key); // 删除哈希中的数据delete removeNode;size--; }} else {DLinkedNode* node cache[key];node-value value;moveToHead(node); // 移到队头}}// 在头部添加数据void addToHead(DLinkedNode* node) {node-prev head;node-next head-next;head-next-prev node;head-next node;}// 任意位置删除数据void removeNode(DLinkedNode* node) {node-prev-next node-next;node-next-prev node-prev;}// 移动数据到头部void moveToHead(DLinkedNode* node) {removeNode(node);addToHead(node);}// 从尾部删除数据DLinkedNode* reoveTail() {DLinkedNode* node tail-prev;removeNode(node);return node;}};/*** 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);*/ 参考【字节一面】 LRU Cache 实现剖析_哔哩哔哩_bilibili
链接. - 力扣LeetCode
