操作系统-2-存储管理之LRU页面置换算法(LeetCode146)

LRU缓存机制

题目：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) - 如果密钥已经存在，则变更其数据值；如果密钥不存在，则插入该组「密钥/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久未使用的数据值，从而为新的数据值留出空间。

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

代码：

 class LRUCache {

     public LRUCache(int capacity) {

     }

     public int get(int key) {

     }

     public void put(int key, int 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);
  */

LRU页面置换算法(最近最少使用算法)(我的另一篇博文讲到了LFU最不经常使用页面置换算法，可以进行比较)

　　原理：

　　　　选择最后一次访问时间距离当前时间最长的一页并淘汰之。即淘汰没有使用的时间最长的页
　　　　每页设置访问时间戳，每当页面被访问时，该页面的时间戳被更新；
　　　　发生缺页中断时，淘汰时间戳最小的页面；

　　　　如图：图中的页面为三页，依次向存储中加入432143543215这些数字。

　　　　　　　而存储空间只能存储三个页面，所以会按照上述规则不断淘汰已经存储在页面中的数字。

　　　　

解题思路(logN的思路)：

　　　 知道了LRU的置换规则后，由于此题需要存储的是key和value,所以

　　　　　　首先，需要建一个类node，存放三样东西，key,value,times(时间戳)

　　　　　　其次，选择一种合适的数据结构来解决存储优先级问题，此处我们采用内部是小顶堆的PriorityQueue优先级队列用来实现times最小的元素在队头

　　　　　　　　　但是我们会在让新元素入队之前可能会删除队列中指定元素，当然可以去遍历队列，但是这样太慢了

　　　　　　　　　我们可以再用一种HashMap的数据集合用来存储节点，以便快速通过node的key来得到整个node。

　　　　　　最后，便是处理逻辑关系，写题目要求的get,put方法了

解题代码详解(logN)：

 public class node implements Comparable<node>{
     private int Key;//键
     private int Value;//值
     private int Times;//时间戳
     node() {}
     node(int key, int value, int time) {
         this.Key = key;
         this.Value = value;
         this.Times = time;
     }
     public int getKey() {
         return Key;
     }

     public void setKey(int Key) {
         this.Key = Key;
     }

     public int getValue() {
         return Value;
     }

     public void setValue(int Value) {
         this.Value = Value;
     }

     public int getTimes() {
         return Times;
     }

     public void setTimes(int Times) {
         this.Times = Times;
     }

     @Override
     public int compareTo(node o) {
         //实现times最小的元素在队头
         return Times - o.Times;
     }
 }

 class LRUCache {
     PriorityQueue<node> KeyValueTimes = new PriorityQueue();//用于实现优先级顺序
     Map<Integer, node> nodeset;//用于O(1)取出某个具体的node
     public int Capacity = 0;//我的cache中最大容量
     public int nownum = 0;//cache的实时元素个数
     public int tim = 0;//时间戳

     public LRUCache(int capacity) {
         this.Capacity = capacity;//设置cache容量
         nodeset = new HashMap<Integer, node>(capacity);//用于O(1)取出某个具体的node，容量依然设置为capacity
     }

     public int get(int key) {
         if(this.Capacity == 0)//判断容量是否为空，为空则直接返回-1
             return -1;
         node nownode = nodeset.get(key);//通过HashMap，快速通过key键快速得到node
         if (nownode == null) {//如果key这个键没在队列中，则返回-1
             return -1;
         }else{
             KeyValueTimes.remove(nownode);//移除队列中当前的这个node
             nownode.setTimes(tim++);//更新当前这个node的时间戳
             KeyValueTimes.offer(nownode);//再把它放回去
         }
         return nownode.getValue();
     }

     public void put(int key, int value) {
         if(this.Capacity == 0)//判断容量是否为空,为空则不进行put
             return;
         node thisnode = new node(key,value,tim++);
         node oldnode = nodeset.get(key);
         if(oldnode == null){//队列里不存在这个key
             if(nownum < this.Capacity){//没装满
                 KeyValueTimes.offer(thisnode);//在队列里添加新node
                 nodeset.put(key,thisnode);//在HashMap里添加新node
                 nownum++;//更新当前cache的元素个数
             }
             else{//装满了，需要LRU,最近最久为使用被移除
                 nodeset.remove(KeyValueTimes.poll().getKey());//移除队列里的队头，移除HashMap对应的那个node
                 KeyValueTimes.offer(thisnode);//在队列里添加新node
                 nodeset.put(key,thisnode);//在HashMap里添加新node
             }
         }
         else{//队列里存在这个key
             KeyValueTimes.remove(oldnode);//移除队列里键为key的node，移除HashMap对应的那个node
             nodeset.remove(oldnode.getKey());
             KeyValueTimes.offer(thisnode);//在队列里添加新node,这里新的node的value值可能会不一样，所以更新了value
             nodeset.put(key,thisnode);//在队列里添加新node,这里新的node的value值可能会不一样，所以更新了value
         }
     }
 }