LFU算法

LFU算法LFU 算法 淘汰访问频次最低的元素 如果访问频次最低的数据有多条 则需要淘汰最旧的数据 classLFUCach 存放 key 到 val 的映射 HashMap Integer Integer keyToVal newHashMap lt gt 存放 key 到使用频次 freq 的映射 HashMap Integer Integer keyToFreq newHashMap Integer Integer Integer Integer

图示

/* * LFU 算法:淘汰访问频次最低的元素,如果访问频次最低的数据有多条,则需要淘汰最旧的数据。 * */ class LFUCache { 
    // 存放 key 到 val 的映射 HashMap<Integer, Integer> keyToVal = new HashMap<>(); // 存放 key 到 使用频次freq 的映射 HashMap<Integer, Integer> keyToFreq = new HashMap<>(); // 使用频次freq 到 key 列表的映射。用于删除最久未使用的 key(即链表头的 key) HashMap<Integer, LinkedHashSet<Integer>> freqToKeys = new HashMap<>(); // 记录最小的频次 int minFreq = 0; // 记录 LFU 缓存的最大容量 int capacity; public LFUCache(int capacity){ 
    this.capacity = capacity; } public int get(int key){ 
    // 如果不存在 key if(!keyToVal.containsKey(key)){ 
    return -1; } // 增加 key 对应的 freq increaseFreq(key); return keyToVal.get(key); } public void put(int key, int val){ 
    if(capacity <= 0){ 
    return; } // 如果 key 已经存在,那么修改对应的 value 即可 if(keyToVal.containsKey(key)){ 
    keyToVal.put(key, val); // key 对应的 freq 加 1 increaseFreq(key); return; } // 如果 key 不存在,需要插入 // 容量已满的话需要淘汰一个 freq 最小的 key if(capacity == keyToVal.size()){ 
    removeMinFreqKey(); } // 插入 key 和 value,对应的 freq 为 1 keyToVal.put(key, val); keyToFreq.put(key, 1); freqToKeys.putIfAbsent(1, new LinkedHashSet<>()); freqToKeys.get(1).add(key); // 插入新的 key 后最小的 freq 肯定是 1 minFreq = 1; } // 增加 key 对应的 freq public void increaseFreq(int key){ 
    int freq = keyToFreq.get(key); // 更新 keyToFreq 表。使用频次 + 1 keyToFreq.put(key, freq + 1); // 更新 freqToKeys 表。 // 将 key 从 freq 对应的列表中删除 freqToKeys.get(freq).remove(key); // 将 key 加入 freq+1 对应的列表中 freqToKeys.putIfAbsent(freq + 1, new LinkedHashSet<>()); freqToKeys.get(freq + 1).add(key); // 如果 freq 对应的列表空了,移除这个 freq if(freqToKeys.get(freq).isEmpty()){ 
    freqToKeys.remove(freq); // 如果这个 freq 恰好是 minFreq,更新 minFreq if(freq == minFreq){ 
    minFreq++; } } } // 淘汰一个 freq 最小的 key public void removeMinFreqKey(){ 
    // 得到 freq 最小时对应的 key 列表 LinkedHashSet<Integer> keyList = freqToKeys.get(minFreq); // 最先被插入的那个 key(也就是最长时间没有使用过的 key,即链表头部的 key)就是该被淘汰的 key int deleteKey = keyList.iterator().next(); keyList.remove(deleteKey); if(keyList.isEmpty()){ 
    freqToKeys.remove(minFreq); freqToKeys.remove(minFreq); // 如果freq 对应的 key 列表空了,此时需要移除这个 freq,因为此时的 freq 就是 minFreq,因此 minFreq 需要加 1。 // 但其实没有下面这行代码也可以。因为只有在 put 方法插入 key 的时候才有可能调用 removeMinFreqKey() 方法,而在 put() 方法 // 中,插入新的 key 时一定会把 minFreq 更新变成 1,因此说即使这里 minFreq 变了,我们也不需要管它。 minFreq++; } keyToVal.remove(deleteKey); keyToFreq.remove(deleteKey); } } 
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/232778.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 圆通数据库泄露_数据库分析

    圆通数据库泄露_数据库分析今天的航空运单查询,其实质疑N快递单信息。版权声明:本文博主原创文章,博客,未经同意不得转载。转载于:https://www.cnblogs.com/mengfanrong/p/4808225.html…

    2026年1月24日
    3
  • 向量的内,外积及其几何含义讲解_两向量外积的几何意义

    向量的内,外积及其几何含义讲解_两向量外积的几何意义一、向量的内积(点乘)定义概括地说,向量的内积(点乘/数量积)。对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,如下所示,对于向量a和向量b:a和b的点积公式为:这里要求一维向量a和向量b的行列数相同。注意:点乘的结果是一个标量(数量而不是向量)定义:两个向量a与b的内积为a·b=|a||b|cos∠(a,b),特别地,0·a=a·0…

    2022年9月24日
    4
  • 《Struts2技术内幕》学习笔记「建议收藏」

    《Struts2技术内幕》学习笔记

    2022年1月23日
    49
  • mysql和sqlyog安装教程_mysql 全连接

    mysql和sqlyog安装教程_mysql 全连接最近在学java,然后有涉及数据库,老师说是用MySQL,之前学数据库的时候用的是OracleDatabaseExpress11g,不一样,又得搞一次安装。看了很多教程,也踩了很多坑,记录一下。1.下载MySQLInstaller我下载的是MSIInstaller,感觉这个比较快。也可以下载ZIP,看了教程说要添加my.ini文件,改环境变量什么的。好麻烦。看了用MSIInstaller安装的,不用,所以。。MSIInstaller下载链接选择第二个下载选择Nothanks,j

    2025年6月12日
    5
  • OpenResty 最佳实践学习–实战演习笔记(4)

    本篇简单记录openresty连接redis数据库和缓存的一些东西,也基本上是官网上的一些例子和知识,作为整理方便自己后续回顾!openresty连接redis因为我本地服务器安装了redis,这里只简单记录连接redis的过程!1.启动redis服务[root@localhost ~]# /usr/local/bin/redis-server /root/dufy/redis/redis-3.0.

    2022年2月26日
    77
  • LoadRunner 压力测试

    LoadRunner 压力测试一、LoadRunner安装1.复制一下地址,然后打开迅雷,新建,选择一个磁盘大的空间,显示4.02G的ISO文件http://www.genilogix.com/downloads/loadrunner/loadrunner-11.isohttp://h30302.www3.hp.com/prdownloads/Software_HP_LoadRunner_11.00_Sim_Chines

    2022年7月18日
    15

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号