LeetCode实战:LRU缓存机制
背景
- 为什么你要加入一个技术团队?
- 如何加入 LSGO 软件技术团队?
- 我是如何组织“算法刻意练习活动”的?
- 为什么要求团队的学生们写技术Blog
题目英文
Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put.
get(key)
- Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value)
- Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.
The cache is initialized with a positive capacity.
Follow up:
Could you do both operations in O(1) time complexity?
Example:
LRUCache cache = new LRUCache( 2 /* capacity */ );cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // returns 1
cache.put(3, 3); // evicts key 2
cache.get(2); // returns -1 (not found)
cache.put(4, 4); // evicts key 1
cache.get(1); // returns -1 (not found)
cache.get(3); // returns 3
cache.get(4); // returns 4
题目中文
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作: 获取数据 get 和 写入数据 put 。
获取数据 get(key)
- 如果密钥 (key) 存在于缓存中,则获取密钥的值(总是正数),否则返回 -1。
写入数据 put(key, value)
- 如果密钥不存在,则写入其数据值。当缓存容量达到上限时,它应该在写入新数据之前删除最近最少使用的数据值,从而为新的数据值留出空间。
进阶:
你是否可以在 O(1) 时间复杂度内完成这两种操作?
示例:
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
算法实现
计算机的缓存容量有限,如果缓存满了就要删除一些内容,给新内容腾位置。但问题是,删除哪些内容呢?我们肯定希望删掉哪些没什么用的缓存,而把有用的数据继续留在缓存里,方便之后继续使用。那么,什么样的数据,我们判定为「有用的」的数据呢?
LRU 缓存淘汰算法就是一种常用策略。LRU 的全称是 Least Recently Used,也就是说我们认为最近使用过的数据应该是是「有用的」,很久都没用过的数据应该是无用的,内存满了就优先删那些很久没用过的数据。
利用单链表的方式:
public class LRUCache
{private readonly int _length;private readonly List<KeyValuePair<int, int>> _lst;public LRUCache(int capacity){_length = capacity;_lst = new List<KeyValuePair<int, int>>();}private int GetIndex(int key){for (int i=0,len=_lst.Count;i<len;i++){if (_lst[i].Key == key){return i;}}return -1;}public int Get(int key){int index = GetIndex(key);if (index!=-1){int val = _lst[index].Value;_lst.RemoveAt(index);_lst.Add(new KeyValuePair<int, int>(key, val));return val;}return -1;}public void Put(int key, int value){int index = GetIndex(key);if (index!=-1){_lst.RemoveAt(index);}else if (_lst.Count == _length){_lst.RemoveAt(0);}_lst.Add(new KeyValuePair<int, int>(key, 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);*/
利用 字典(哈希)+单链表 的方式:
public class LRUCache
{private readonly List<int> _keys;private readonly Dictionary<int, int> _dict;public LRUCache(int capacity){_keys = new List<int>(capacity);_dict = new Dictionary<int, int>(capacity);}public int Get(int key){if (_dict.ContainsKey(key)){_keys.Remove(key);_keys.Add(key);return _dict[key];}return -1;}public void Put(int key, int value){if (_dict.ContainsKey(key)){_dict.Remove(key);_keys.Remove(key);}else if (_keys.Count == _keys.Capacity){_dict.Remove(_keys[0]);_keys.RemoveAt(0);}_keys.Add(key);_dict.Add(key, 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);*/
实验结果
利用单链表的方式:
- 状态:通过
- 18 / 18 个通过测试用例
- 执行用时: 868 ms, 在所有 C# 提交中击败了 6.25% 的用户
- 内存消耗: 47.8 MB, 在所有 C# 提交中击败了 26.67% 的用户
利用 字典(哈希)+单链表 的方式:
- 状态:通过
- 18 / 18 个通过测试用例
- 执行用时: 392 ms, 在所有 C# 提交中击败了 76.56% 的用户
- 内存消耗: 47.9 MB, 在所有 C# 提交中击败了 20.00% 的用户
相关图文
1. “数组”类算法
- LeetCode实战:三数之和
- LeetCode实战:最接近的三数之和
- LeetCode实战:求众数
- LeetCode实战:缺失的第一个正数
- LeetCode实战:快乐数
- LeetCode实战:寻找两个有序数组的中位数
- LeetCode实战:盛最多水的容器
- LeetCode实战:删除排序数组中的重复项
- LeetCode实战:搜索旋转排序数组
- LeetCode实战:螺旋矩阵
- LeetCode实战:螺旋矩阵 II
- LeetCode实战:买卖股票的最佳时机
- LeetCode实战:买卖股票的最佳时机 II
2. “链表”类算法
- LeetCode实战:两数相加
- LeetCode实战:删除链表的倒数第N个节点
- LeetCode实战:两两交换链表中的节点
- LeetCode实战:旋转链表
- LeetCode实战:环形链表
3. “栈”类算法
- LeetCode实战:有效的括号
- LeetCode实战:最长有效括号
- LeetCode实战:逆波兰表达式求值
4. “队列”类算法
- LeetCode实战:设计循环双端队列
- LeetCode实战:滑动窗口最大值
- LeetCode实战:整数反转
- LeetCode实战:字符串转换整数 (atoi)
5. “递归”类算法
- LeetCode实战:爬楼梯
6. “位运算”类算法
- LeetCode实战:格雷编码
7. “字符串”类算法
- LeetCode实战:反转字符串
- LeetCode实战:翻转字符串里的单词
- LeetCode实战:最长公共前缀
- LeetCode实战:字符串相加
- LeetCode实战:字符串相乘
8. “树”类算法
- LeetCode实战:相同的树
- LeetCode实战:对称二叉树
- LeetCode实战:二叉树的最大深度
- LeetCode实战:二叉树中的最大路径和
- LeetCode实战:将有序数组转换为二叉搜索树
9. “哈希”类算法
- LeetCode实战:两数之和
10. “排序”类算法
- LeetCode实战:合并两个有序数组
- LeetCode实战:合并两个有序链表
- LeetCode实战:合并K个排序链表
11. “搜索”类算法
- LeetCode实战:搜索二维矩阵
- LeetCode实战:子集
12. “动态规划”类算法
- LeetCode实战:最长回文子串
- LeetCode实战:最大子序和
- LeetCode实战:不同路径
13. “回溯”类算法
- LeetCode实战:全排列
14. “数值分析”类算法
- LeetCode实战:回文数
- LeetCode实战:x 的平方根
LeetCode实战:LRU缓存机制相关推荐
- Leetcode 146. LRU缓存机制【哈希表 [哈希表存储每个元素在双向链表中的指针]+双向链表】
文章目录 问题描述 解题报告 实验代码 参考资料 问题描述 运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制.它应该支持以下操作: 获取数据 get 和 写入数据 put . ...
- Java实现 LeetCode 146 LRU缓存机制
146. LRU缓存机制 运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制.它应该支持以下操作: 获取数据 get 和 写入数据 put . 获取数据 get(key) - ...
- LeetCode 146. LRU缓存机制(哈希链表)
文章目录 1. 题目信息 2. 解题 2.1 手动实现list 2.2 使用内置list 1. 题目信息 运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制.它应该支持以下操作 ...
- LeetCode —— 146. LRU缓存机制(Python)
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制.它应该支持以下操作: 获取数据 get 和 写入数据 put . 获取数据 get(key) - 如果关键字 (key) 存 ...
- [leetcode]146. LRU缓存机制
1.LRU(最近最少使用)缓存机制: https://baike.baidu.com/item/LRU/1269842?fr=aladdin 2.用到的数据结构: struct Value {int ...
- C++实现LRU算法(LeetCode 146 LRU缓存机制)
LRU算法: LRU算法(Least Recently Used)是一种缓存淘汰策略,最近使用的数据是有用的, 如果缓存满了,删除最久没用过的数据 LRU算法描述: (1)设置缓存大小 (2)get: ...
- Leetcode 146. LRU缓存机制 解题思路及C++实现
解题思路: 使用一个双向链表存储最常使用的key value对,最近使用的元素放在链表的表头,链表中最后一个元素是使用频率最低的元素.同时,使用一个map来记录对应的<key,<key, ...
- Leetcode 146. LRU 缓存机制
原题链接 题解:双链表+哈希表 class LRUCache { public:struct Node {int key, val;Node *left, *right;Node(int _key, ...
- LRU缓存机制,你想知道的这里都有
概述 LRU是Least Recently Used的缩写,译为最近最少使用.它的理论基础为 "最近使用的数据会在未来一段时期内仍然被使用,已经很久没有使用的数据大概率在未来很长一段时间仍然 ...
- 实现 LRU 缓存机制
实现 LRU 缓存机制 文章目录 实现 LRU 缓存机制 一.什么是 LRU 算法 二.LRU 算法描述 三.LRU 算法设计 四.代码实现 一.什么是 LRU 算法 LRU 就是一种缓存淘汰策略.( ...
最新文章
- leetcode刷题笔记342 4的幂
- Selenium-三种等待方式
- freemarker常见语法大全
- ffmpeg解码H264缺少帧的解决办法
- 移动端的注册登录设计灵感!
- Serverless 应用如何管理日志 持久化数据
- mapbox 修改初始位置_《绝地求生》实用的键位改键推荐 | 哪些不合理的初始键位需要更改?...
- QString字符串拼接【转载】
- 重庆北大青鸟校区【学员心声】:学习是我们前进的动力
- 怎样搬运视频不侵权,王者剪辑的指纹检测如何检测原创度
- java可视化tiff转pdf工具
- bigemap地图下载器与91位图有何区别
- 人脸关键点检测论文总结
- Linux 操作rar压缩包
- [开源]Qt图片调整之饱和度调节
- Spring Boot (Filter)过滤器的实现以及使用场景
- facebook创始人简介-马克·扎克伯格
- 前端面试题汇总CSS篇
- 电站锅炉行业PLM的可定制知识管理软件
- vsFTPd服务器相关配置
热门文章
- 脱离公式谈谈对反向传播算法的理解
- 参加Python培训后能干嘛
- 【亲测有效】在win10上如何安装Fortify17.10
- value_counts()
- PXE全自动安装操作系统--centos7.3学习笔记
- 温水里的程序员,技术将淘汰一切。
- 解决jsp引用其他项目时出现的 cannot be resolved to a type错误
- 折返(Reentrancy)VS线程安全(Thread safety)
- 【转】on delete cascade
- 怎样在javascript函数中将变量传递给服务端脚本程序?