题目:https://leetcode.com/problems/lru-cache/
大学课本在讲操作系统的时候提及LRU可基于双向链表以及map来实现: 其中双向链表用于调整优先级,根据LRU规则淘汰对象; map主要用于快速查询。
将题目分解:
- get 操作涉及优先级调整
- set 操作涉及优先级调整以及淘汰操作
将题目转化为实现head()以及evict()两个函数;
- evict 淘汰队尾,有两种情况 1)队尾前面无节点,即:又是队首又是队尾 2)前面有节点
- head 将操作的节点放到队首,如果已经位于队首则无需操作: 1)这个元素之前已经存在于队列中 2)这个元素是新的
package org.bull.leetcode.alg; import java.util.HashMap; import java.util.Map; /** * Created by bull on 16/5/5. * <p> * https://leetcode.com/problems/lru-cache/ * get时涉及优先级调整 * set时涉及优先级调整以及淘汰操作 * 将问题化简为:实现 head以及evict函数 * <p> * evict其实就是淘汰队尾:有两种情况 1)队尾前面无节点,即:又是队首又是队尾 2)前面有节点 * head 就是将操作的节点放到队首,如果已经位于队首则无需操作: 1)这个元素之前已经存在于队列中 2)这个元素是新的 */ public class LRUCache { private int capacity; /** * 用来保存队首,优先级调整基本针对队首 */ private Entry head; /** * 淘汰对象基本针对队尾 */ private Entry tail; private Map<Integer, Entry> container; public LRUCache(int capacity) { this.capacity = capacity; container = new HashMap<>(capacity); } /** * 获取对象,并调整优先级 * * @param key * @return */ public int get(int key) { Entry entry = container.get(key); if (entry == null) { return -1; } head(entry, true); return entry.getValue(); } /** * 设置对象,如果达到阈值,淘汰队尾对象 * * @param key * @param value */ public void set(int key, int value) { if (container.get(key) == null) { if (container.size() >= capacity) { evict(); } Entry entry = new Entry(); entry.setKey(key); entry.setValue(value); head(entry, false); container.put(key, entry); } else { Entry entry = container.get(key); entry.setValue(value); head(entry, true); } } /** * 淘汰队尾 */ public void evict() { Integer tailKey = tail.getKey(); container.remove(tailKey); //调整队尾 Entry before = tail.before; if (before == null) { head = null; tail = null; } else { before.next = null; tail.before = null; tail = before; } } /** * 将优先级置顶 * * @param entry */ public void head(Entry entry, boolean in) { if (in) { if (entry.before != null) { entry.before.next = entry.next; if (entry.next == null) {//队尾 tail = entry.before; } else { entry.next.before = entry.before; } //调整队首 entry.before = null; head.before = entry; entry.next = head; head = entry; } } else { if (container.size() > 0) {//已经有元素 entry.next = head; head.before = entry; head = entry; } else { //特点是 head 和 tail 都不存在 head = entry; tail = entry; } } } /** * 双向链表结构体 */ class Entry { private int key; private int value; private Entry next; private Entry before; public int getValue() { return value; } public void setValue(int value) { this.value = value; } public Entry getNext() { return next; } public void setNext(Entry next) { this.next = next; } public Entry getBefore() { return before; } public void setBefore(Entry before) { this.before = before; } public int getKey() { return key; } public void setKey(int key) { this.key = key; } } }
总结来说,解题首先思路要对,然后要分解问题,分解问题是要全面考虑,然后有耐心一步步的去实现即可。
相关推荐
它使用LRU Cache作为其内部的数据缓冲机制,以加速对数据的读取。在原始的LevelDB实现中,LRU Cache主要关注数据的访问频率,而不涉及数据的过期策略。 在这个项目中,开发者将LevelDB的LRU Cache部分提取出来,...
特别是对于希望在科技公司取得职位的求职者来说,掌握关键的数据结构和算法变得尤为重要,其中LRU Cache(最近最少使用缓存)是面试中经常出现的考点之一。 LRU Cache是一种被广泛使用的缓存管理策略,它主要应用于...
Erlang LRU Cache 模块是一个用于实现Least Recently Used(最近最少使用)缓存策略的工具。LRU缓存是一种常见的数据结构,它在内存有限的情况下,通过淘汰最近最少使用的数据来保持缓存的容量。在Erlang中,这个...
LRU Cache是一个Cache的置换算法,含义是“近少使用”,把满足“近少使用”的数据从Cache中剔除出去,并且保证Cache中第一个数据是近刚刚访问的,因为这样的数据更有可能被接下来的程序所访问。 LRU的应用比较...
内容概要:本篇文章详细介绍了双向链表的概念、结构及其实现方法,并附带了一个复杂的例子——最少最近使用缓存(LRU Cache)的具体实现实验案例,有助于理解该数据结构的运作方式及应用潜力。 适合人群:适用于对...
谷歌官方视频
LRU置换算法是选择最近最久未使用的页面予以置换。该算法赋予每个页面一个访问字段,用来记录一个页面自上次被访问以来经历的时间T,当须淘汰一个页面时,选择现有页面中T值最大的,即最近最久没有访问的页面。这是...
LruCache的java代码实现,是从android代码中抽取出来的
LRU Cache(Least Recently Used 缓存)是一种常见的数据结构,用于存储有限数量的数据,并在内存容量达到上限时,优先淘汰最近最少使用的数据。在IT领域,LRU Cache被广泛应用于缓存系统,如数据库查询缓存、操作...
LRU Cache,全称为Least Recently Used Cache,是一种常见的缓存淘汰策略。在计算机科学和IT领域,缓存被广泛用于提高数据访问速度,通过将常用数据暂存到内存中,来减少对慢速存储(如硬盘)的访问。LRU Cache的...
Cache替换策略: LRU I_Cache的工作就是在cpu需要指令时将指令从主存中搬进I_Cache,再传给CPU,而D_Cache在解决数据读外,还要注意数据写入的问题。本工程可以与arm.v 中的arm 核协同工作,主存使用dram_ctrl_sim。
LRU缓存使用的数据结构使用双向链表实现的队列。 队列的最大大小将等于...执行 npm i lru-cache-js-map const LRUCache = require('lru-cache-js-map');var cache = new LRUCache(100);for(var i=0; i < 100; i++){
"bmob聊天组件优化"就是这样一个专注于缓存优化的实践案例,它利用了LRU Cache和Disk LRU Cache来提高聊天功能的响应速度和效率。下面我们将深入探讨这两种缓存机制及其在聊天组件中的应用。 首先,LRU(Least ...
LRU(Least Recently Used)缓存更新策略是一种广泛应用于计算机系统中的内存管理技术,尤其是在操作系统、数据库系统和编程语言的缓存实现中。LRU的基本思想是:当内存空间有限时,最近最少使用的数据应该优先被...
《PyPI上的backports.functools_lru_cache-1.3.tar.gz:Python高效缓存技术解析》 在Python编程中,高效的代码执行是至关重要的,特别是在处理大量数据或者需要频繁重复计算的场景下。PyPI(Python Package Index)...
**简单最近最少使用缓存(SimpleLRUCache)** 在计算机科学中,缓存是一种用于存储经常访问数据的机制,以提高系统性能。最近最少使用(LRU, Least Recently Used)是缓存替换策略的一种,当缓存空间满时,会优先...
LRU-Cache 这是 JavaScript 中的 LRU(最近最少使用)缓存实现。 它非常高效并且使用两种数据结构来管理元素。 双向链表和地图为我们提供了以下信息: 时间复杂度: O(1) 空间复杂度: O(n) 这是通过在我们必须...
Node LRU Cache 基于Nodejs开发的LRU Cache, 兼有缓存超时清除功能 usage var options = { expires: 5 * 60 * 1000, capacity: 5 }; var LRU = require('node-lru'); var cache = new LRU(2);//var cache = new ...
LRU_cache (Leetcode 146) 设计和实现最近最少使用 (LRU) 缓存的数据结构。 它应该支持以下操作:get 和 set。 get(key) – 如果键存在于缓存中,则获取键的值(将始终为正),否则返回 -1。 set(key, value) – ...
LRU (Least Recently Used) 缓存是一种常用的内存管理策略,用于在有限的存储空间内高效地存储数据。当缓存满时,最近最少使用的数据将被移除以腾出空间给新数据。这里我们将讨论如何使用Python实现一个简单的LRU...