C++ LRU 与 LFU 缓存算法 C++ 实现LRU 与 LFU 的缓存算法
Ito Schum 人气:0想了解C++ 实现LRU 与 LFU 的缓存算法的相关内容吗,Ito Schum在本文为您仔细讲解C++ LRU 与 LFU 缓存算法的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:C++,LRU,缓存算法,C++,LFU,缓存算法,下面大家一起来学习吧。
一、LRU (Least Recently Used) 缓存
详见 LeetCode Q146
https:// leetcode.com/problems/l ru-cache/
https:// leetcode-cn.com/problem s/lru-cache/
问题描述:
LRUCache(int capacity)
以正整数作为容量capacity
初始化LRU
缓存int get(int key)
如果关键字key
存在于缓存中,则返回关键字的值,否则返回 -1 。void put(int key, int value)
如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-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。- 在
O(1)
时间复杂度内完成这两种操作
所用数据结构:
为了使 get
与 put
操作的平均时间复杂度为 O(1)
,
使用双向链表 (STL list
) 储存缓存内容 (使用 STL pair {key, value
} 表示),
使用哈希表 (STL unordered_map
) 储存 “key” 到 “pair iterator
” 的关系映射
typedef std::unordered_map<int, std::list<std::pair<int, int> >::iterator > CacheMap; typedef std::list<std::pair<int, int> > LRUList;
流程图:
- get function
- put function
代码实现:
#include <iostream> #include <list> #include <unordered_map> typedef std::unordered_map<int, std::list<std::pair<int, int> >::iterator > CacheMap; typedef std::list<std::pair<int, int> > LRUList; class LRUCache { public: LRUCache(int capacity) { _capacity = capacity; } int get(int key) { CacheMap::iterator cache_itr = _cacheMap.find(key); if (cache_itr == _cacheMap.end() ) { return -1; } makeMostRecent(key, _cacheMap[key]->second); LRUList::iterator list_itr = _LRUList.end(); --list_itr; return list_itr->second; } void put(int key, int value) { if (_cacheMap.find(key) != _cacheMap.end()) { makeMostRecent(key, value); return; } if (_LRUList.size() >= _capacity) { removeLeastRecentTask(key); } addMostRecentTask(key, value); } private: void makeMostRecent(int key, int value) { _LRUList.erase(_cacheMap[key]); _LRUList.push_back(std::make_pair(key, value) ); LRUList::iterator list_itr = _LRUList.end(); _cacheMap[key] = --list_itr; } void removeLeastRecentTask(int key) { int keyToRemove = _LRUList.begin()->first; _LRUList.erase(_LRUList.begin()); _cacheMap.erase(keyToRemove); } void addMostRecentTask(int key, int value) { _LRUList.push_back(std::make_pair(key, value) ); LRUList::iterator list_itr = _LRUList.end(); _cacheMap[key] = --list_itr; } int _capacity; LRUList _LRUList; CacheMap _cacheMap; }; // n = item number of the LRU list, aka capacity // Time: O(1) // Space: O(n)
运行测试:
Accepted
22/22 cases passed (412 ms)
Your runtime beats 69.45 % of cpp submissions
Your memory usage beats 48.08 % of cpp submissions (174 MB)
二、LFU (Least Frequently Used) 缓存
详见 LeetCode Q460
https:// leetcode.com/problems/l fu-cache/
https:// leetcode-cn.com/problem s/lru-cache/
问题描述:
LFUCache(int capacity)
- 用数据结构的容量capacity
初始化对象int get
(int key
) - 如果键存在于缓存中,则获取键的值,否则返回 -1 。void put
(int key
,int value
) - 如果键已存在,则变更其值;如果键不存在,请插入键值对。当缓存达到其容量时,则应该在插入新项之前,使最不经常使用的项无效。在此问题中,当存在平局(即两个或更多个键具有相同使用频率)时,应该去除 最近最久未使用的键。- 「项的使用次数」就是自插入该项以来对其调用 get 和 put 函数的次数之和。使用次数会在对应项被移除后置为 0 。
- 为了确定最不常使用的键,可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。
- 当一个键首次插入到缓存中时,它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作,使用计数器的值将会递增。
所用数据结构:
为了使 get
与 put
操作的平均时间复杂度为 O(1) ,
- 使用哈希表 (STL
unordered_map
) 储存 “key
” 到 “value
与frequency
” 的关系映射 (使用 STLpair {value, frequency
} 表示) - 使用哈希表 (STL
unordered_map
) 储存 “frequency
” 到 “对应所有的key
” 的关系映射 (key 使用双向链表,即 STL list 存储) - 使用哈希表 (STL
unordered_map
) 储存 “key
” 到 “2 中存储 key 所用 list 中对应iterator
” 的关系映射
std::unordered_map<int, std::pair<int, int> > _keyToValFreq; std::unordered_map<int, std::list<int> > _freqToKeyList; std::unordered_map<int, std::list<int>::iterator> _keyToKeyListItr;
流程图:
- get function
- put function
代码实现:
#include <iostream> #include <list> #include <unordered_map> class LFUCache { public: LFUCache(int capacity) { _capacity = capacity; } int get(int key) { // If key doesn't exist if (_keyToValFreq.find(key) == _keyToValFreq.end() ) { return -1; } // if key exists, increse frequency and reorder increaseFreq(key); return _keyToValFreq[key].first; } void put(int key, int value) { if (_capacity <= 0) { return; } // if key exists if (_keyToValFreq.find(key) != _keyToValFreq.end() ) { _keyToValFreq[key].first = value; increaseFreq(key); return; } // if key doesn't exist // if reached hashmap's max capacity, remove the LFU (LRU if tie) if (_keyToValFreq.size() >= _capacity) { int keyToRmove = _freqToKeyList[_minFreq].back(); _freqToKeyList[_minFreq].pop_back(); _keyToKeyListItr.erase(keyToRmove); _keyToValFreq.erase(keyToRmove); } // Then add new item with frequency = 1 addNewTask(key, value); } void increaseFreq(int key) { // Update the freq in the pair int oldFreq = _keyToValFreq[key].second++; // Detele the old freq by itr _freqToKeyList[oldFreq].erase(_keyToKeyListItr[key]); // Add the new freq and re-assign the itr _freqToKeyList[oldFreq + 1].emplace_front(key); _keyToKeyListItr[key] = _freqToKeyList[oldFreq + 1].begin(); // Update minFreq if (_freqToKeyList[_minFreq].empty() ) { _minFreq = oldFreq + 1; } } void addNewTask(int key, int value) { // Add new key-value/freq to all hashmaps _minFreq = 1; _keyToValFreq[key] = std::make_pair(value, _minFreq); _freqToKeyList[_minFreq].emplace_front(key); _keyToKeyListItr[key] = _freqToKeyList[_minFreq].begin(); } private: int _capacity; int _minFreq; std::unordered_map<int, std::pair<int, int> > _keyToValFreq; std::unordered_map<int, std::list<int> > _freqToKeyList; std::unordered_map<int, std::list<int>::iterator> _keyToKeyListItr; }; // n = item number of the LFU, aka capacity // Time: O(1) // Space: O(n)
运行测试:
Accepted
24/24 cases passed (464 ms)
Your runtime beats 72.37 % of cpp submissions
Your memory usage beats 45.99 % of cpp submissions (186.7 MB)
加载全部内容