設計LRU快取結構

設計lru快取結構

描述

設計lru快取結構，該結構在構造時確定大小，假設大小為k，並有如下兩個功能

要求

set和get方法的時間複雜度為o(1)

某個key的set或get操作一旦發生，認為這個key的記錄成了最常使用的。

當快取的大小超過k時，移除最不經常使用的記錄，即set或get最久遠的。

若opt=1，接下來兩個整數x, y，表示set(x, y)

若opt=2，接下來乙個整數x，表示get(x)，若x未出現過或已被移除，則返回-1

對於每個操作2，輸出乙個答案

示例

輸入:[[1,1,1],[1,2,2],[1,3,2],[2,1],[1,4,4],[2,2]],3
返回值:[1,-1]
說明:第一次操作後：最常使用的記錄為("1", 1)
第二次操作後：最常使用的記錄為("2", 2)，("1", 1)變為最不常用的
第三次操作後：最常使用的記錄為("3", 2)，("1", 1)還是最不常用的
第四次操作後：最常用的記錄為("1", 1)，("2", 2)變為最不常用的
第五次操作後：大小超過了3，所以移除此時最不常使用的記錄("2", 2)，加入記錄("4", 4)，並且為最常使用的記錄，然後("3", 2)變為最不常使用的記錄

讀完題目之後，注意到set和get的時間複雜度都為o(1)，因此首先想到的是使用map結構。接著，lru的讀取和寫入操作都需要將元素設定為最常使用，其中寫入操作當元素個數大於等於容量k時，還需要將最不經常使用的元素從圖中移除。因此，我們想到需要將陣列按照使用時間的先後順序排序。結合上述兩點：map結構 + 時間有序，想到使用linkedhashmap來解決這道題。

遍歷所給的二維陣列，根據每個陣列的第乙個字段判斷是set還是get。如果是set，需要判斷元素總數和容量k的關係，容量小於k時，將元素加入map，大於等於k時，移除鍊錶中的第乙個元素(即最不常用的元素)。如果是get，map中存在key時，將其對應的值返回，並把元素從map中刪除，重新加入鍊錶。否則返回-1。

public
class
solution
map.
put(key,operators[i][2
]);break
;case2:
if(map.
containskey
(key)
)else
break;}
}int
result =
newint
[list.
size()
];for(
int i =
0; i < list.
size()
; i++
)return result;
}}

什麼是lru？

lru英文全稱least recently used，可以理解為最久沒有使用。在這種策略下我們用最近一次使用的時間來衡量一塊記憶體的價值，越久之前使用的價值也就越低，最近剛剛使用過的，後面接著會用到的概率也就越大，那麼自然也就價值越高。

當然只有這個限制是不夠的，我們前面也說了，由於記憶體是非常金貴的，導致我們可以儲存在快取當中的資料是有限的。比如說我們固定只能儲存1w條，當記憶體滿了之後，快取每插入一條新資料，都要拋棄一條最長沒有使用的舊資料。這樣我們就保證了快取當中的資料的價值都比較高，並且記憶體不會超過限制。

保證快取的讀寫效率，比如讀寫的複雜度都是o(1)

當一條快取當中的資料被讀取，將它最近使用的時間更新

當插入一條新資料的時候，彈出更新時間最遠的資料

lru原理

我們仔細想一下這個問題會發現好像沒有那麼簡單，顯然我們不能通過陣列來實現這個快取。因為陣列的查詢速度是很慢的，不可能做到o(1)。其次我們用hashmap好像也不行，因為雖然查詢的速度可以做到o(1)，但是我們沒辦法做到更新最近使用的時間，並且快速找出最遠更新的資料。

如果是在面試當中被問到想到這裡的時候，可能很多人都已經束手無策了。但是先別著急，我們冷靜下來想想會發現問題其實並沒有那麼模糊。首先hashmap是一定要用的，因為只有hashmap才可以做到o(1)時間內的讀寫，其他的資料結構幾乎都不可行。但是只有hashmap解決不了更新以及淘汰的問題，必須要配合其他資料結構進行。這個資料結構需要能夠做到快速地插入和刪除，其實我這麼一說已經很明顯了，只有乙個資料結構可以做到，就是鍊錶。

鍊錶有乙個問題是我們想要查詢鍊錶當中的某乙個節點需要o(n)的時間，這也是我們無法接受的。但這個問題並非無法解決，實際上解決也很簡單，我們只需要把鍊錶當中的節點作為hashmap中的value進行儲存即可，最後得到的系統架構如下：

設計LRU快取結構

設計LRU快取結構

LRU快取設計

NC93 設計LRU快取結構

設計LRU快取結構

設計LRU快取結構

LRU快取設計

NC93 設計LRU快取結構

相關推薦