LRU: Least Recently Used
LFU: Least Frequently Used

146. LRU 缓存

请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类：

  • 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 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该 逐出 最久未使用的关键字。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例：
输入 [“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]] 输出 [null, null, null, 1, null, -1, null, -1, 3, 4] 解释 LRUCache lRUCache = new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {1=1} lRUCache.put(2, 2); // 缓存是 {1=1, 2=2} lRUCache.get(1); // 返回 1 lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3} lRUCache.get(2); // 返回 -1 (未找到) lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4

提示：

  • 1 <= capacity <= 3000
  • 0 <= key <= 10000
  • 0 <= value <= 105
  • 最多调用 2 * 105 次 get 和 put

思路：
哈希表 + 双链表
从队头到队尾维护最近使用的节点(使用时间戳队头比队尾更接近现在时间)

  1. class LRUCache {
  2.     private class Node {
  3.         int key, val;
  4.         Node left, right;
  5.     }
  7.     Node hh, tt;
  8.     Map<Integer, Node> map;
  9.     int n;
  11.     public LRUCache(int capacity) {
  12.         this.n = capacity;
  13.         map = new HashMap<>();
  14.         hh = new Node();
  15.         tt = new Node();
  16.         hh.right = tt;
  17.         tt.left = hh;
  18.     }
  20.     public int get(int key) {
  21.         if (map.containsKey(key)) {
  22.             Node node = map.get(key);
  23.             delete(node);
  24.             add(node);
  25.             return node.val;
  26.         } else return -1;
  27.     }
  29.     public void put(int key, int value) {
  30.         if (map.containsKey(key)) {
  31.             Node node = map.get(key);
  32.             node.val = value;
  33.             delete(node);
  34.             add(node);
  35.         } else {
  36.             Node node = new Node();
  37.             node.val = value;
  38.             node.key = key;
  39.             if (map.size() == n) {
  40.                 Node p = tt.left;
  41.                 delete(p);
  42.                 map.remove(p.key);
  43.             }
  44.             map.put(key, node);
  45.             add(node);
  46.         }
  47.     }
  49.     private void add(Node node) {
  50.         node.right = hh.right;
  51.         node.left = hh;
  52.         hh.right.left = node;
  53.         hh.right = node;
  54.     }
  56.     private void delete(Node node) {
  57.         node.left.right = node.right;
  58.         node.right.left = node.left;
  59.     }
  60. }
  62. /**
  63.  * Your LRUCache object will be instantiated and called as such:
  64.  * LRUCache obj = new LRUCache(capacity);
  65.  * int param_1 = obj.get(key);
  66.  * obj.put(key,value);
  67.  */

460. LFU 缓存

请你为 最不经常使用（LFU）缓存算法设计并实现数据结构。
实现 LFUCache 类：

  • LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
  • int get(int key) - 如果键 key 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 key 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 capacity 时，则应该在插入新项之前，移除最不经常使用的项。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。

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。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例：
输入： [“LFUCache”, “put”, “put”, “get”, “put”, “get”, “get”, “put”, “get”, “get”, “get”] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]] 输出： [null, null, null, 1, null, -1, 3, null, -1, 3, 4] 解释： // cnt(x) = 键 x 的使用计数 // cache=[] 将显示最后一次使用的顺序（最左边的元素是最近的） LFUCache lfu = new LFUCache(2); lfu.put(1, 1); // cache=[1,_], cnt(1)=1 lfu.put(2, 2); // cache=[2,1], cnt(2)=1, cnt(1)=1 lfu.get(1); // 返回 1 // cache=[1,2], cnt(2)=1, cnt(1)=2 lfu.put(3, 3); // 去除键 2 ，因为 cnt(2)=1 ，使用计数最小 // cache=[3,1], cnt(3)=1, cnt(1)=2 lfu.get(2); // 返回 -1（未找到） lfu.get(3); // 返回 3 // cache=[3,1], cnt(3)=2, cnt(1)=2 lfu.put(4, 4); // 去除键 1 ，1 和 3 的 cnt 相同，但 1 最久未使用 // cache=[4,3], cnt(4)=1, cnt(3)=2 lfu.get(1); // 返回 -1（未找到） lfu.get(3); // 返回 3 // cache=[3,4], cnt(4)=1, cnt(3)=3 lfu.get(4); // 返回 4 // cache=[3,4], cnt(4)=2, cnt(3)=3

提示：

  • 0 <= capacity <= 104
  • 0 <= key <= 105
  • 0 <= value <= 109
  • 最多调用 2 * 105 次 get 和 put 方法

思路：
双哈希表 + 双链表套双链表

  1. class LFUCache {
  2.     class Node {
  3.         int key, val;
  4.         Node left, right;
  5.         Node(){};
  6.         Node(int key, int val) {
  7.             this.key = key;
  8.             this.val = val;
  9.         }
  10.     }
  11.     class Block {
  12.         int cnt;
  13.         Node hh, tt;
  14.         Block left, right;
  15.         Block(int cnt) {
  16.             this.cnt = cnt;
  17.             hh = new Node();
  18.             tt = new Node();
  19.             hh.right = tt;
  20.             tt.left = hh;
  21.         }
  23.         void delete(Node node) {
  24.             node.right.left = node.left;
  25.             node.left.right = node.right;
  26.         }
  28.         void add(Node node) {
  29.             node.right = hh.right;
  30.             node.left = hh;
  31.             hh.right.left = node;
  32.             hh.right = node;
  33.         }
  34.         boolean isEmpty() {
  35.             return hh.right == tt;
  36.         }
  37.     }
  39.     Block hh, tt;
  40.     int n;
  41.     Map<Integer, Node> map_node;
  42.     Map<Integer, Block> map_block;
  44.     public LFUCache(int capacity) {
  45.         this.n = capacity;
  46.         hh = new Block(0);
  47.         tt = new Block(Integer.MAX_VALUE);
  48.         hh.right = tt;
  49.         tt.left = hh;
  50.         map_block = new HashMap<>();
  51.         map_node = new HashMap<>();
  52.     }
  54.     public int get(int key) {
  55.         if (!map_node.containsKey(key)) return -1;
  56.         Block block = map_block.get(key);
  57.         Node node = map_node.get(key);
  59.         block.delete(node);
  60.         if (block.cnt + 1 != block.right.cnt)
  61.             add(block, new Block(block.cnt + 1));
  62.         Block ne = block.right;
  63.         ne.add(node);
  64.         map_block.put(key, ne);
  65.         if (block.isEmpty()) {
  66.             delete(block);
  67.         }
  68.         return node.val;
  69.     }
  71.     public void put(int key, int value) {
  72.         if (n == 0) return;
  73.         if (map_node.containsKey(key)) {
  74.             Node node = map_node.get(key);
  75.             node.val = value;
  76.             get(key);
  77.         } else {
  78.             if (map_node.size() == n) {
  79.                 Node node = hh.right.tt.left;
  80.                 map_node.remove(node.key);
  81.                 map_block.remove(node.key);
  82.                 hh.right.delete(hh.right.tt.left);
  83.                 if (hh.right.isEmpty())
  84.                     delete(hh.right);
  85.             }
  87.             Node node = new Node(key, value);
  88.             map_node.put(key, node);
  89.             if (hh.right.cnt == 1) {
  90.                 Block block = hh.right;
  91.                 map_block.put(key, block);
  92.                 block.add(node);
  93.             } else {
  94.                 Block block = new Block(1);
  95.                 add(hh, block);
  96.                 block.add(node);
  97.                 map_block.put(key, block);
  98.             }
  99.         }
  100.     }
  102.     void delete(Block block) {
  103.         block.right.left = block.left;
  104.         block.left.right = block.right;
  105.     }
  107.     void add(Block left, Block block) {
  108.         block.right = left.right;
  109.         block.left = left;
  110.         left.right.left = block;
  111.         left.right = block;
  112.     }
  113. }
  115. /**
  116.  * Your LFUCache object will be instantiated and called as such:
  117.  * LFUCache obj = new LFUCache(capacity);
  118.  * int param_1 = obj.get(key);
  119.  * obj.put(key,value);
  120.  */

类似的问题：

432. 全 O(1) 的数据结构 LFU的简易版