题目

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and set.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
set(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.

链接:https://oj.leetcode.com/problems/lru-cache/

分析

1:维护最近最少(LRU)使用的cache

  1)使用count计数,每次操作cache时(get、set),该cache的count置0,其余cache的count加1,count最大的为最近最少使用的cache

2)使用链表,每次操作cache时(get、set),将该cache移动至链表头,链表尾的cache为最近最少使用的cache

2:快速查找cache

  1)使用stl::unordered_map存储cache地址(内部hashTable)

版本一

使用std::list维护LRU,链表中存储cache实际空间。

Runtime: 248ms。

 #include <list>
#include <unordered_map> struct KeyValue {
KeyValue(int pKey, int pValue):key(pKey), value(pValue) {};
int key;
int value;
}; class LRUCache{
public:
LRUCache(int capacity):_capacity(capacity) {}; int get(int key);
void set(int key, int value); private:
std::unordered_map<int, std::list<KeyValue>::iterator> keyToNodeItr;
std::list<KeyValue> lru; int _capacity;
}; void LRUCache::set(int key, int value) {
auto itr = keyToNodeItr.find(key);
if (itr != keyToNodeItr.end()) { // set value
itr->second->value = value;
KeyValue tmp(itr->second->key, itr->second->value);
keyToNodeItr.erase(itr->second->key);
lru.erase(itr->second);
lru.push_front(tmp);
} else { // insert value
if (lru.size() != _capacity) {
lru.push_front(KeyValue(key, value));
} else {
// pop back lru
if (lru.size() != ) {
keyToNodeItr.erase((lru.rbegin())->key);
lru.pop_back();
}
lru.push_front(KeyValue(key, value));
}
} keyToNodeItr.insert(std::pair<int, std::list<KeyValue>::iterator>(key, lru.begin()));
} int LRUCache::get(int key) {
auto itr = keyToNodeItr.find(key);
if (itr != keyToNodeItr.end()) {
int value = itr->second->value; KeyValue tmp(itr->second->key, itr->second->value);
keyToNodeItr.erase(itr->second->key);
lru.erase(itr->second);
lru.push_front(tmp);
keyToNodeItr.insert(std::pair<int, std::list<KeyValue>::iterator>(key, lru.begin())); return value;
}
return -;
}

因为链表中存储的为cache的实际空间,因此当需要改变cache的位置时,链表及map都需要改变,开销较大。

版本二

使用std::list维护LRU,链表中存储cache的指针。

Runtime:186ms。

 #include <list>
#include <unordered_map> struct KeyValue {
KeyValue(int pKey, int pValue):key(pKey), value(pValue) {};
int key;
int value;
}; class LRUCache{
public:
LRUCache(int capacity):_capacity(capacity) {}; int get(int key);
void set(int key, int value); ~LRUCache(); private:
std::unordered_map<int, std::list<KeyValue*>::iterator> keyToNodeItr;
std::list<KeyValue*> lru; int _capacity;
}; LRUCache::~LRUCache() {
for (auto itr = lru.begin(); itr != lru.end(); ++itr) {
delete *itr;
}
} void LRUCache::set(int key, int value) {
auto itr = keyToNodeItr.find(key);
if (itr != keyToNodeItr.end()) { // set value
KeyValue* tmp = *(itr->second);
tmp->value = value;
lru.erase(itr->second);
lru.push_front(tmp);
itr->second = lru.begin(); // avoid invalid iterator
} else { // insert value
if (lru.size() == _capacity) { // pop back lru
KeyValue* tmp = *(lru.rbegin());
keyToNodeItr.erase(tmp->key);
delete tmp;
lru.pop_back();
}
lru.push_front(new KeyValue(key, value));
keyToNodeItr.insert(std::pair<int, std::list<KeyValue*>::iterator>(key, lru.begin()));
}
} int LRUCache::get(int key) {
auto itr = keyToNodeItr.find(key);
if (itr != keyToNodeItr.end()) {
KeyValue* kvPtr = *(itr->second);
lru.erase(itr->second);
lru.push_front(kvPtr);
itr->second = lru.begin();
return kvPtr->value;
}
return -;
}

需要注意的问题是map中存储的为list的迭代器,因此map中仍需要重新设置key到迭代器的映射,避免迭代器失效。

版本三

似乎std::list太笨重了,so实现轻量级双链表代替std::list。

Runtime: 77ms。

 struct BiListNode {
BiListNode() {};
BiListNode(int key, int value):key(key), value(value) {};
int key;
int value;
BiListNode* pre;
BiListNode* next;
}; class BiList {
public:
BiList():_count() {
_head = new BiListNode();
_head->pre = _head;
_head->next = _head;
} void push_front(BiListNode* pNode); void move_front(BiListNode* pNode); BiListNode* begin() {
return _head->next;
} BiListNode* rbegin() {
return _head->pre;
} void pop_back(); int size() { return _count; } ~BiList(); private:
BiListNode* _head;
int _count;
}; void BiList::push_front(BiListNode* pNode) {
pNode->next = _head->next;
pNode->pre = _head;
_head->next->pre = pNode;
_head->next = pNode;
if (_head->pre == _head) {
_head->pre = pNode;
}
++_count;
} void BiList::move_front(BiListNode* pNode) {
if (pNode == _head->next) {
return;
}
pNode->pre->next = pNode->next;
pNode->next->pre = pNode->pre; pNode->next = _head->next;
pNode->pre = _head; _head->next->pre = pNode; _head->next = pNode;
} void BiList::pop_back() {
BiListNode* tailPtr = _head->pre;
tailPtr->pre->next = _head;
_head->pre = tailPtr->pre;
delete tailPtr;
--_count;
} BiList::~BiList() {
for (BiListNode* itr = _head->next; itr != _head; itr = itr->next) {
delete itr;
}
delete _head;
} class LRUCache {
public:
LRUCache(int capacity):_capacity(capacity) {}; int get(int key); void set(int key, int value); private:
int _capacity; BiList biList;
std::unordered_map<int, BiListNode*> keyToNodePtr;
}; int LRUCache::get(int key) {
auto itr = keyToNodePtr.find(key);
if (itr != keyToNodePtr.end()) {
biList.move_front(itr->second);
return itr->second->value;
}
return -;
} void LRUCache::set(int key, int value) {
auto itr = keyToNodePtr.find(key);
if (itr != keyToNodePtr.end()) { // set value
itr->second->value = value;
biList.move_front(itr->second);
} else { // insert
if (biList.size() == _capacity) {
keyToNodePtr.erase((biList.rbegin())->key);
biList.pop_back();
}
biList.push_front(new BiListNode(key, value));
keyToNodePtr.insert(std::pair<int, BiListNode*>(key, biList.begin()));
}
}

自己实现的双链表仅有80行代码,代码运行效率大大提高。

版本四

双链表都自己实现了,就死磕到底,再自己实现个开链哈希表吧。

Runtime:66ms。

 struct BiListNode {
BiListNode() {};
BiListNode(int key, int value):key(key), value(value) {};
int key;
int value;
BiListNode* pre;
BiListNode* next;
}; class BiList {
public:
BiList():_count() {
_head = new BiListNode();
_head->pre = _head;
_head->next = _head;
} void push_front(BiListNode* pNode); void move_front(BiListNode* pNode); BiListNode* begin() {
return _head->next;
} BiListNode* rbegin() {
return _head->pre;
} void pop_back(); int size() { return _count; } ~BiList(); private:
BiListNode* _head;
int _count;
}; void BiList::push_front(BiListNode* pNode) {
pNode->next = _head->next;
pNode->pre = _head;
_head->next->pre = pNode;
_head->next = pNode;
if (_head->pre == _head) {
_head->pre = pNode;
}
++_count;
} void BiList::move_front(BiListNode* pNode) {
if (pNode == _head->next) {
return;
}
pNode->pre->next = pNode->next;
pNode->next->pre = pNode->pre; pNode->next = _head->next;
pNode->pre = _head; _head->next->pre = pNode; _head->next = pNode;
} void BiList::pop_back() {
BiListNode* tailPtr = _head->pre;
tailPtr->pre->next = _head;
_head->pre = tailPtr->pre;
delete tailPtr;
--_count;
} BiList::~BiList() {
for (BiListNode* itr = _head->next; itr != _head; itr = itr->next) {
delete itr;
}
delete _head;
} struct hashNode {
hashNode(int key, BiListNode* ptr):key(key), ptr(ptr), next(NULL) {};
int key;
BiListNode* ptr;
hashNode* next;
}; class HashTable {
public:
HashTable(int capacity); hashNode* find(int key); void insert(int key, BiListNode* ptr); void erase(int key); ~HashTable(); private:
int _capacity;
hashNode** hashArray;
}; HashTable::HashTable(int capacity):_capacity(capacity) {
hashArray = new hashNode*[capacity];
for (int i = ; i < _capacity; ++i) {
hashArray[i] = NULL;
}
} hashNode* HashTable::find(int key) {
for (hashNode* itr = hashArray[key % _capacity]; itr != NULL;
itr = itr->next) {
if (itr->key == key) {
return itr;
}
}
return NULL;
} void HashTable::insert(int key, BiListNode* ptr) {
hashNode* tmp = new hashNode(key, ptr); int relativeKey = key % _capacity; if (hashArray[relativeKey] == NULL) {
hashArray[relativeKey] = tmp;
return;
} tmp->next = hashArray[relativeKey];
hashArray[relativeKey] = tmp;
} void HashTable::erase(int key) {
for (hashNode* pre = hashArray[key % _capacity], *itr = pre;
itr != NULL; pre = itr, itr = itr->next) {
if (itr->key == key) {
if (itr != pre)
pre->next = itr->next;
else // head
hashArray[key % _capacity] = itr->next; delete itr;
}
}
} HashTable::~HashTable() {
for (int i = ; i < _capacity; ++i) {
for (hashNode* itr = hashArray[i]; itr != NULL;) {
hashNode* tmp = itr;
itr = itr->next;
delete tmp;
}
}
delete [] hashArray;
} class LRUCache {
public:
LRUCache(int capacity):_capacity(capacity) {
hashTable = new HashTable();
}; int get(int key); void set(int key, int value); ~LRUCache() { delete hashTable; } private:
int _capacity;
BiList bilist;
HashTable* hashTable;
}; int LRUCache::get(int key) {
hashNode* tmp = hashTable->find(key);
if (tmp != NULL) {
bilist.move_front(tmp->ptr);
return tmp->ptr->value;
}
return -;
} void LRUCache::set(int key, int value) {
hashNode* tmp = hashTable->find(key);
if (tmp != NULL) { // set
bilist.move_front(tmp->ptr);
tmp->ptr->value = value;
return;
} // insert
if (bilist.size() == _capacity) {
hashTable->erase((bilist.rbegin())->key);
bilist.pop_back();
} bilist.push_front(new BiListNode(key, value));
hashTable->insert(key, bilist.begin());
}

开链哈希表72行代码

Leetcode:LRUCache四个版本实现的更多相关文章

  1. 《玩转D语言系列》一、通过四个版本的 Hello Word 初识D语言

    对于D语言,相信很多朋友还没听说过,因为它还不够流行,跟出自名门的一些语言比起来也没有名气,不过这并不影响我对它的偏爱,我就是这样的一种人,我喜欢的女孩子一定是知己型,而不会因为她外表,出身,学历,工 ...

  2. LeetCode第四天

    leetcode 第四天 2018年1月4日 15.(628)Maximum Product of Three Numbers JAVA class Solution { public int max ...

  3. Curved UI - VR Ready Solution To Bend Warp Your Canvas 1.7,1.8,2.2,2.3 四种版本压缩包(Unity UGUI曲面插件),可以兼容VRTK

    Curved UI - VR Ready Solution To Bend Warp Your Canvas 1.7,1.8,2.2,2.3 四种版本压缩包(Unity UGUI曲面插件) 可以兼容V ...

  4. LeetCode:四数之和【18】

    LeetCode:四数之和[18] 题目描述 给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,使得 a + b + c ...

  5. [LeetCode] Compare Version Numbers 版本比较

    Compare two version numbers version1 and version1.If version1 > version2 return 1, if version1 &l ...

  6. [LeetCode] 4Sum 四数之和

    Given an array S of n integers, are there elements a, b, c, and d in S such that a + b + c + d = tar ...

  7. Django Rest Framework源码剖析(四)-----API版本

    一.简介 在我们给外部提供的API中,可会存在多个版本,不同的版本可能对应的功能不同,所以这时候版本使用就显得尤为重要,django rest framework也为我们提供了多种版本使用方法. 二. ...

  8. 【LeetCode】四数之和【排序,固定k1,k2,二分寻找k3和k4】

    给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,使得 a + b + c + d 的值与 target 相等?找出所有满 ...

  9. Java实现 LeetCode 18 四数之和

    18. 四数之和 给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,使得 a + b + c + d 的值与 target ...

随机推荐

  1. HDOJ 1202 The calculation of GPA

    Problem Description 每学期的期末,大家都会忙于计算自己的平均成绩,这个成绩对于评奖学金是直接有关的.国外大学都是计算GPA(grade point average) 又称GPR(g ...

  2. Linux下创建、查看、提取和修改静态库(*.a)

    先说明一点,静态库文件是由多个目标文件打包而成的,在windows下静态库文件的后缀是.lib,而在linux下静态库文件的后缀是.a(a是archive的缩写,也就是文档文件). 废话少说,下面直接 ...

  3. Java Hibernate 主键生成10大策略

    本文将介绍Hibernate中主键生成的几种策略方案,有需要的朋友可以参考一下. 1.自动增长identity 适用于MySQL.DB2.MS SQL Server,采用数据库生成的主键,用于为lon ...

  4. 【KMP】剪花布条

    KMP算法 又水了一题.算是巩固复习吧. Problem Description 一块花布条,里面有些图案,另有一块直接可用的小饰条,里面也有一些图案.对于给定的花布条和小饰条,计算一下能从花布条中尽 ...

  5. 如何使用深度学习破解验证码 keras 连续验证码

    在实现网络爬虫的过程中,验证码的出现总是会阻碍爬虫的工作.本期介绍一种利用深度神经网络来实现的端到端的验证码识别方法.通过本方法,可以在不切割图片.不做模板匹配的情况下实现精度超过90%的识别结果. ...

  6. Oracle_Q&A_02

    Step02: Import SQL FILE Step02: QUESTION & ANSWER --1查询员工姓名和职位字数相等的员工 --2查询e_name以s结尾的员工(不用like) ...

  7. Jetty监控线程使用情况的配置

    Jetty监控线程使用情况配置 第一步,配置xml文件 jetty-monitor.xml 参数说明: threads: 线程池中的线程 busyThreads: 使用中的线程 idleThreads ...

  8. spring整合springMVC、mybatis、hibernate、mongodb框架

    开发环境 eclipse Mars 4.5 JDK 1.7 框架 spring 4.0.5 mybatis 3.2.7 hibernate 4.3.6 mongodb 1.7 数据库 MySQL 5. ...

  9. Guzzle php resetful webservice farmework

    Guzzle is a PHP HTTP client that makes it easy to work with HTTP/1.1 and takes the pain out of consu ...

  10. 详细介绍ASP.NET页面重定向方法

    ASP.NET中页面重定向的使用的很频繁,实现方法也有不同,自己也试过几种,现在总结一下. 一.Transfer Execute Redirect重定向方法介绍 1.Server.Transfer方法 ...