問題の説明
タイトル説明
LRUキャッシュ構造を設計します。構造のサイズは構築中に決定されます。サイズをKとすると、次の2つの関数が
設定されます(key、value):レコード(key、value)を構造に挿入します
get( key):return key対応する値value
[要件]
setメソッドとgetメソッドの時間計算量はO(1)
です。特定のキーのsetまたはget操作が発生すると、このキーのレコードが最も一般的に使用されると見なされます。 。
キャッシュのサイズがKを超える場合は、使用頻度の最も低いレコード、つまり最も古いセットまたはgetを削除します。
opt = 1の場合、次の2つの整数x、yはset(x、y)を表し
ます。opt= 2の場合、次の整数xはget(x)を表します。xが表示されていないか削除されている場合は、-1
を返します。各操作2、回答を出力します
例
例1
入力
[[1,1,1]、[1,2,2]、[1,3,2]、[2,1]、[1,4,4]、[2,2]、3
出力
[1、-1]
説明
最初の操作の後:最も頻繁に使用されるレコードは( "1"、1)
2番目の操作の後:最も頻繁に使用されるレコードは( "2"、2)、( "1"、1)が最も使用頻度の低いレコードになります
後に第3の動作:最も頻繁に使用されるレコードである(「3」、2)、(「1」、1)又は少なくとも頻繁に使用
した後に第4の動作:最も頻繁に使用されるレコードである(「1」、1)、( "2"、2)は、最も使用頻度の低い
5番目の操作になります。サイズが3を超えるため、この時点で最も使用頻度の低いレコード( "2"、2)を削除し、レコード( "4"、4)を追加します。が最も頻繁に使用されるレコードである場合、( "3"、2)は最も使用頻度の低いレコードになります
ソリューション
分析
- JavaのHashMapの助けを借りて、ストレージの問題を考慮する必要はありません。リンクリスト(最も最近使用されていない)を介してlruを実装するだけで済みます。
- 元のハッシュストレージを実現するためにJavaのHashMapを使用しないでください(後で追加)
コード
// 思路1
public class Solution {
/**
* lru design
* @param operators int整型二维数组 the ops
* @param k int整型 the k
* @return int整型一维数组
*/
public int[] LRU (int[][] operators, int k) throws Exception {
LRU<Integer, Integer> lru = new LRU<>(k);
List<Integer> list = new ArrayList<>();
// write code here
for (int i = 0; i < operators.length; i++) {
int[] operator = operators[i];
if (operator[0] == 1) {
lru.put(operator[1], operator[2]);
} else if (operator[0] == 2) {
Integer temp = lru.get(operator[1]);
if (temp == null) {
list.add(-1);
} else {
list.add(temp);
}
}
}
int[] result = new int[list.size()];
for (int i = 0; i < list.size(); i++) {
result[i] = list.get(i);
}
return result;
}
}
// 重新考虑,LRU:最近最少使用
// 数据结构:链表(可以通过现有的,也可以通过自定义的node节点)、map集合
// 方法:LRU:put方法,get方法;
// addFirst,添加到头部节点
// remove,移除节点
class LRU<K, V> {
// 头尾节点作为空节点
private Node head = new Node();
private Node tail = new Node();
// 记录K-Node映射,便于快速查找目标数据对应节点
private HashMap<K, Node> map;
private int maxSize;
// 哈希链表节点类 Node
private class Node {
Node pre;
Node next;
K k;
V v;
public Node() {
}
// Node对外提供构造方法
public Node(K k, V v) {
this.k = k;
this.v = v;
}
}
// 初始化时必须传入最大可用内存容量
public LRU(int maxSize) {
this.maxSize = maxSize;
// HashMap初始容量设置为 maxSize * 4/3,即达到最大可用内存时,HashMap也不会自动扩容浪费空间
// 通过反向计算,可以避免map的扩容
this.map = new HashMap<>(maxSize * 4 / 3);
// 设置头节点的后置节点和尾节点的前置节点
head.next = tail;
tail.pre = head;
}
// 获取指定数据
public V get(K key) {
// 判断是否存在对应数据
if (!map.containsKey(key)) {
return null;
}
// 最新访问的数据移动到链表头,从链表中移除节点并追加到尾部
Node node = map.get(key);
remove(node);
addFirst(node);
return node.v;
}
// 更新旧数据或添加数据
public void put(K key, V value) {
System.out.println("K:" + key + ";V="+value);
// 若存在旧数据则删除
if (map.containsKey(key)) {
Node node = map.get(key);
remove(node);
}
// 新数据对应节点插入链表头
Node node = new Node(key, value);
map.put(key, node);
addFirst(node);
// 判断是否需要淘汰数据
if (map.size() > maxSize) {
node = removeLast();
// 数据节点淘汰后,同时删除map中的映射
map.remove(node.k);
}
}
// 将指定节点插入链表头
private void addFirst(Node node) {
Node next = head.next;
// 设置追加的节点为当前节点的后置节点
head.next = node;
// 设置当前节点的前置节点为头节点
node.pre = head;
node.next = next;
next.pre = node;
}
// 从链表中删除指定节点
private void remove(Node node) {
Node pre = node.pre;
Node next = node.next;
// 跳过当前节点
pre.next = next;
// 设置下一个节点的前置节点
next.pre = pre;
node.next = null;
node.pre = null;
}
// 淘汰数据
private Node removeLast() {
// 找到最近最久未使用的数据所对应节点
Node node = tail.pre;
// 淘汰该节点
remove(node);
return node;
}
}
テストしたい場合は、Niuke.comのリンクに直接アクセスしてテストを行うことができます