LFUCache

LFU（Least Frequently Used），即最不经常使用页置换算法。

如果一个数据在最近一段时间很少被访问到，那么可以认为在将来它被访问的可能性也很小。因此，当空间满时，最小频率访问的数据最先被淘汰，这就是LFU的核心思想。

如果我们想要设计一个LFU缓存算法，就需要满足以下功能

初始化时设置缓存大小，当缓存已满后插入元素时需要淘汰现有元素来置换新元素
get(key)：如果缓存中存在key，则获取value，并更新其使用次数
put(key, value) ：如果key已经存在，则更新key所对应的value。如果不存在则插入键值对，但是插入时如果缓存已满，则需要将最不常用的键值对淘汰，置换新数据。如果存在多个使用频率相同的键值对，应当选取最久没有使用的。
保证get和put的操作时间复杂度都为O(1)

class LFUCache {public:LFUCache(int capacity) {}int get(int key) {}void put(int key, int value) {}
};

根据以上条件，我们在上面给出了一个算法的大致框架，下面就结合框架以及条件，来设计我们具体的一个结构

结构设计

由于LFU需要根据使用次数来进行缓存淘汰的判断，因此我们每一项中不仅需要存储key，value，还需要存储使用次数freq

每一项的节点设计如下

class LFUNode
{public:LFUNode(int key, int value, int freq): _key(key), _value(value), _freq(freq){}int _key;   int _value;int _freq;  //访问次数
};

在上面列的几个条件中，其中最难处理的地方其实就是O(1)的get和put，因为没有任何一个独立的数据结构能够满足这个条件，因此我们需要组合使用多个结构。

如果要保证put中的插入和删除操作达到O(1)，那么我们只能选择使用链表来记录我们的缓存信息，但是这次与之前的LRU并不相同，我们在保证使用次数最少的同时，还需要保证淘汰的时同次数中最久没有使用的，这就意味这我们需要根据不同的使用次数，来维护多个链表，并且每个链表中按照使用时间进行排序。

上面的设计依旧存在着一些问题，因为我们在对一个元素进行操作后，它的使用次数就会发生变化，那么我们就需要将其从原先的链表中移动到下一个链表，那么我们如何能够保证O(1)的查找到它，并对他进行操作呢？同时，我们如何能够快速的在多个链表中，查找到它所在的那个链表，以及它即将要去的链表呢？因此，我们还需要结合其他的数据结构来完成这个问题

要保证O(1)的查找链表，这时候就需要用到哈希结构了，我们可以将使用次数freq与每个保存该freq节点的链表建立起映射，保证O(1)的获取链表。

如果要保证O(1)的从指定链表中找到元素，并对其进行操作，我们可以将key与链表中对应元素的迭代器建立起映射，当我们通过key找到迭代器的时候，就可以利用迭代器对链表进行操作。

因此，最终LFUCache的结构设计如下

class LFUCache {public:LFUCache(int capacity) : _capacity(capacity), _minFreq(0){}int get(int key) {}void put(int key, int value) {}private:unordered_map<int, list<LFUNode>::iterator> _keyTable;  //建立key与节点迭代器的映射unordered_map<int, list<LFUNode>> _freqTable;           //建立freq与该值链表的映射int _minFreq;   //保存当前最小的freq，便于淘汰操作int _capacity;  //缓存最大容量
};

LFUCache的实现

接下来就该实现get和put功能了，我先列出这两个功能实现的核心思路

get

根据keyTable查找到节点的迭代器，不存在则直接返回
更新使用次数，通过迭代器将节点从原链表中删除，并通过freqTable获取下一个链表，将其头插进链表中，保证最后使用的在最前面，使得链表按照使用时间倒序排序
将新链表中该节点的迭代器更新到keyTable中

put

根据keyTable查找到节点的迭代器，存在则说明是更新，不存在则说明是淘汰
如果是更新，那么操作的内容和上面的get大体相同
如果是插入，需要判断当前缓存是否已满，是否需要淘汰，如果未满则直接插入freq=1的链表中，并将迭代器插入至keyTable中
如果缓存已满，则需要根据minFreq在freqTable中找到对应的最小freq链表，并删除队尾，即最久没有使用的元素，同时在keyTable中淘汰该元素

这里我就将每一步的思路写在下面代码的注释中

完整的实现代码如下

class LFUNode
{public:LFUNode(int key, int value, int freq): _key(key), _value(value), _freq(freq){}int _key;   int _value;int _freq;  //访问次数
};class LFUCache {public:LFUCache(int capacity) : _capacity(capacity), _minFreq(0){}int get(int key) {if(_capacity == 0){return -1;}auto it = _keyTable.find(key);  //查找到对应的节点if(it != _keyTable.end()){list<LFUNode>::iterator node = it->second;         //记录节点的value以及freqint value = node->_value, freq = node->_freq;_freqTable[freq].erase(node); //从freq表中的对应链表删除当前节点if(_freqTable[freq].empty() && _minFreq == freq)  //如果删除后链表为空，则判断是否需要更新最小freq{_minFreq++;}_freqTable[freq + 1].push_front(LFUNode(key, value, freq + 1)); //将更新后的节点头插入下一个freq的链表中，保证按照插入时间排序it->second = _freqTable[freq + 1].begin();  //更新迭代器return value;}//查找不到直接返回-1else{return -1;}}void put(int key, int value) {if(_capacity == 0){return;}auto it = _keyTable.find(key);  //查找key是否存在，判断是更新还是插入if(it != _keyTable.end())   //如果存在，则是更新{list<LFUNode>::iterator node = it->second;int freq = node->_freq;_freqTable[freq].erase(node);if(_freqTable[freq].empty() && _minFreq == freq){_minFreq++;}_freqTable[freq + 1].push_front(LFUNode(key, value, freq + 1));it->second = _freqTable[freq + 1].begin();}else    //不存在则是插入{//如果缓存满了，则要先删除后才能插入if(_keyTable.size() == _capacity){//查询freq表，获取freq最少且最久没有使用的节点，即freq链表的尾部节点LFUNode node = _freqTable[_minFreq].back();_keyTable.erase(node._key);        //删除key表中的节点_freqTable[node._freq].pop_back();  //删除freq表中的节点}_freqTable[1].push_front(LFUNode(key, value, 1));          //在freq表中插入新节点_keyTable.insert(make_pair(key, _freqTable[1].begin()));//在key表中插入新节点_minFreq = 1;   //插入新元素，它为最小的}}
private:unordered_map<int, list<LFUNode>::iterator> _keyTable;  //建立key与节点迭代器的映射unordered_map<int, list<LFUNode>> _freqTable;           //建立freq与该值链表的映射int _minFreq;   //保存当前最小的freq，便于淘汰int _capacity;  //缓存最大容量
};

高级数据结构与算法 | LFU缓存机制（Least Frequently Used）相关推荐

高级数据结构与算法 | LRU缓存机制（Least Recently Used）
文章目录 LRUCache的原理 LRUCache的实现 LRUCache的原理 LRU是Least Recently Used的缩写,意思是最近最少使用,它是一种Cache替换算法. 什么是 Cac ...
lfu算法c语言,LeetCode算法系列 460. LFU 缓存机制
力扣原题 460. LFU 缓存机制请你为最不经常使用(LFU)缓存算法设计并实现数据结构. 实现 LFUCache 类:LFUCache(int capacity) - 用数据结构的容量 cap ...
数据结构与算法 / LRU 缓存淘汰算法
一.诞生原因缓存是一种提供数据读取性能的技术,在硬件设计.软件开发中有广泛的应用,比如常见的 CPU 缓存,DB 缓存和浏览器缓存等.但是缓存的大小是有限的,需要一定的机制判断哪些数据需要淘汰,即: ...
【LeetCode】460 and 1132（LFU缓存机制）
LRU 算法的淘汰策略是 Least Recently Used,也就是每次淘汰那些最久没被使⽤的数据: ⽽ LFU 算法的淘汰策略是 Least Frequently Used,也就是每次淘汰那些使 ...
高级数据结构与算法 | AVL树（高度平衡树）
文章目录 AVL树实现思路数据结构查找平衡因子旋转右旋左旋右左双旋左右双旋插入删除 AVL树的验证中序遍历平衡判断 AVL树的性能完整代码实现 AVL树 AVL树是最先发明 ...
高级数据结构与算法 | 跳跃表（Skip List）
文章目录区间查询时链表与顺序表的局限跳表=链表+索引跳表的原理晋升插入删除跳表的实现跳表VS红黑树区间查询时链表与顺序表的局限假设有这样一个情景, 此时需要设计一个拍卖系统,对于商 ...
高级数据结构与算法 | 哈希：哈希冲突、负载因子、哈希函数、哈希表、哈希桶
文章目录哈希哈希函数常见的哈希函数字符串哈希函数哈希冲突闭散列的解决方法开散列的解决方法负载因子以及增容对于闭散列对于开散列结构具体实现哈希表(闭散列) 插入查找删除完整 ...
高级数据结构与算法 | 回溯算法（Back Tracking Method）
文章目录回溯电话号码的字母组合二进制手表组合总数全排列活字印刷 N皇后 N皇后II 回溯回溯是一种通过穷举所有可能情况来找到所有解的算法.如果一个候选解最后被发现并不是可行解,回溯算法会 ...
高级数据结构与算法 | 深度遍历搜索（DFS）与广度遍历搜索（BFS）
文章目录深度优先搜索(DFS) 员工的重要性图像渲染岛屿的周长被围绕的区域岛屿数量岛屿的最大面积广度优先搜索(BFS) N叉树的层序遍历腐烂的橘子单词接龙最小基因变化打开转盘锁 ...

高级数据结构与算法 | LFU缓存机制（Least Frequently Used）

文章目录

LFUCache

结构设计

LFUCache的实现

高级数据结构与算法 | LFU缓存机制（Least Frequently Used）相关推荐

最新文章

热门文章