把网站做app,做网站的那个语言好,马鞍山集团网站设计,检查网站是否做网站地图题目描述
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…题目描述
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
解答
class LRUCache {
public:LRUCache(int capacity) : cap(capacity) {}int get(int key) {// unordered_map做查找if(map.find(key) map.end()){return -1;}pairint, int key_value *map[key]; // list做插入删除// 将cache中原来访问的kv对删除插入到cache头cache.erase(map[key]);cache.push_front(key_value);map[key] cache.begin(); return key_value.second;}void put(int key, int value) {// 待插入元素在cache中没有if(map.find(key) map.end()){// cache已满删除最近最久未用if(cache.size() cap){map.erase(cache.back().first);cache.pop_back(); // }}else // 待插入元素在cache中存在把原来队组删除{cache.erase(map[key]);}// 插入cache.push_front(pairint, int (key, value));map[key] cache.begin();}private:// key为插入的关键字unordered_mapint, listpairint, int::iterator map; // 哈希表查找快// list 存具体缓存内容listpairint, int cache; // 链表插入快队尾是最近最久未用int cap;
};/*** 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);*/
