国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

[LeetCode] 460. LFU Cache

yacheng / 3238人閱讀

Problem

Design and implement a data structure for Least Frequently Used (LFU) cache. It should support the following operations: get and put.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value) - Set or insert the value if the key is not already present. When the cache reaches its capacity, it should invalidate the least frequently used item before inserting a new item. For the purpose of this problem, when there is a tie (i.e., two or more keys that have the same frequency), the least recently used key would be evicted.

Follow up:
Could you do both operations in O(1) time complexity?

Example

LFUCache cache = new LFUCache( 2 / capacity / );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // returns 1
cache.put(3, 3);    // evicts key 2
cache.get(2);       // returns -1 (not found)
cache.get(3);       // returns 3.
cache.put(4, 4);    // evicts key 1.
cache.get(1);       // returns -1 (not found)
cache.get(3);       // returns 3
cache.get(4);       // returns 4
Solution
class LFUCache {
    Map valMap;
    Map freqMap;
    Map> kSetMap;
    int size;
    int min;
    
    public LFUCache(int capacity) {
        min = 0;
        size = capacity;
        valMap = new HashMap<>();
        freqMap = new HashMap<>();
        kSetMap = new HashMap<>();
        kSetMap.put(1, new LinkedHashSet<>());
    }
    
    public int get(int key) {
        if (!valMap.containsKey(key)) return -1;
        
        //get frequency, then update freqMap, kSetMap, min
        int frequency = freqMap.get(key);
        freqMap.put(key, frequency+1);
        kSetMap.get(frequency).remove(key);
        if (!kSetMap.containsKey(frequency+1)) {
            kSetMap.put(frequency+1, new LinkedHashSet<>());
        }
        kSetMap.get(frequency+1).add(key);
        if (min == frequency && kSetMap.get(frequency).size() == 0) {
            min++;
        }
        
        return valMap.get(key);
        
    }
    
    public void put(int key, int value) {
        if (size <= 0) return;
        //when key is existed, just update valMap value, 
        //and call get(key) to update freqmap, kSetMap and min
        if (valMap.containsKey(key)) {
            valMap.put(key, value);
            get(key);
            return;
        }
        
        //when reached capacity, remove min in all 3 maps
        if (valMap.size() == size) {
            int minKey = kSetMap.get(min).iterator().next();
            valMap.remove(minKey);
            freqMap.remove(minKey);
            kSetMap.get(min).remove(minKey);
        }
        
        //add the fresh k-v pair to all 3 maps
        valMap.put(key, value);
        freqMap.put(key, 1);
        kSetMap.get(1).add(key);
    }
}

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/77218.html

相關文章

  • LRU & LFU Cache

    摘要:首先要做到是,能想到的數據結構只有兩三種,一個是,一個是,是,還有一個,是。不太可能,因為長度要而且不可變,題目也沒說長度固定。可以做到和都是。因為還有函數,要可以,所以還需要一個數據結構來記錄順序,自然想到。 LRU Cache 題目鏈接:https://leetcode.com/problems... 這個題要求O(1)的復雜度。首先要做到get(key)是O(1),能想到的數據結...

    wenshi11019 評論0 收藏0
  • 論文《TinyLFU: A Highly Ecient Cache Admission Polic

    摘要:在靜態的頻率分布下,性能也落后于因為其不再為不在緩存中的數據維護任何頻率數據。可以詳見的準入淘汰策略是新增一個新的元素時,判斷使用該元素替換一個舊元素,是否可以提升緩存命中率。 1. Introduction LFU的局限: LFU實現需要維護大而復雜的元數據(頻次統計數據等) 大多數實際工作負載中,訪問頻率隨著時間的推移而發生根本變化(這是外賣業務不適合樸素LFU的根本原因) 針...

    高璐 評論0 收藏0
  • 論文《TinyLFU: A Highly Ecient Cache Admission Polic

    摘要:在靜態的頻率分布下,性能也落后于因為其不再為不在緩存中的數據維護任何頻率數據。可以詳見的準入淘汰策略是新增一個新的元素時,判斷使用該元素替換一個舊元素,是否可以提升緩存命中率。 1. Introduction LFU的局限: LFU實現需要維護大而復雜的元數據(頻次統計數據等) 大多數實際工作負載中,訪問頻率隨著時間的推移而發生根本變化(這是外賣業務不適合樸素LFU的根本原因) 針...

    RobinQu 評論0 收藏0
  • LFU

    摘要:如果每一個頻率放在一個里面,每個也有頭尾兩個指針,指向相鄰的。實際上相鄰的可以由的第一可以由的最后一個唯一確認。也就是說,在的設計基礎上。也就是說頻率為的點,指向的下一個是頻率為的點移除和一樣。里存在的點,加到尾部的后一個。 只個代碼由LRU改進得到。如果每一個頻率放在一個LRU里面,每個LRU也有頭尾兩個指針,指向相鄰的LRU。實際上相鄰的LRU可以由frequency = t+1的...

    whidy 評論0 收藏0
  • 筆記|緩存

    摘要:緩存算法我是,我會統計每一個緩存數據的使用頻率,我會把使用最少的緩存替換出緩存區。瀏覽器就是使用了我作為緩存算法。在緩存系統中找出最少最近的對象是需要較高的時空成本。再來一次機會的緩存算法,是對的優化。直到新的緩存對象被放入。 緩存 什么是緩存? showImg(https://segmentfault.com/img/bVusZg); 存貯數據(使用頻繁的數據)的臨時地方,因為取原始...

    elliott_hu 評論0 收藏0

發表評論

0條評論

yacheng

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<