Python算法题集_LRU 缓存
- 题146:LRU 缓存
- 1. 示例说明
- 2. 题目解析
- - 题意分解
- - 优化思路
- - 测量工具
- 3. 代码展开
- 1) 标准求解【队列+字典】
- 2) 改进版一【有序字典】
- 3) 改进版二【双向链表+字典】
- 4. 最优算法
本文为Python算法题集之一的代码示例
题146:LRU 缓存
1. 示例说明
-
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
2. 题目解析
- 题意分解
- 本题为设计一个整形缓存类,可以指定缓存大小
- 基本的设计思路是采用队列控制使用次序,字典进行缓存【哈希】
- 优化思路
-
通常优化:减少循环层次
-
通常优化:增加分支,减少计算集
-
通常优化:采用内置算法来提升计算速度
-
分析题目特点,分析最优解
-
可以考虑采用有序字典设计缓存类
-
可以考虑采用双向链表设计使用队列,缓存还是采用字典
-
- 测量工具
- 本地化测试说明:LeetCode网站测试运行时数据波动很大,因此需要本地化测试解决这个问题
CheckFuncPerf
(本地化函数用时和内存占用测试模块)已上传到CSDN,地址:Python算法题集_检测函数用时和内存占用的模块- 本题本地化超时测试用例自己生成,详见【最优算法章节】
3. 代码展开
1) 标准求解【队列+字典】
队列控制使用次序,字典保存键值对
勉强通关,超过05%
import CheckFuncPerf as cfpclass LRUCache_base:
def __init__(self, capacity):self.queue, self.dict, self.capacity, self.queuelen = [], {}, capacity, 0
def get(self, key):if key in self.queue:self.queue.remove(key)self.queue.append(key)return self.dict[key]else:return -1
def put(self, key, value):if key in self.queue:self.queue.remove(key)else:if self.queuelen == self.capacity:self.dict.pop(self.queue.pop(0))else:self.queuelen += 1self.queue.append(key)self.dict[key] = valutmpLRUCache = LRUCache_base(5)
result = cfp.getTimeMemoryStr(testLRUCache, tmpLRUCache, actions)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 testLRUCache 的运行时间为 561.12 ms;内存使用量为 4.00 KB 执行结果 = 99
2) 改进版一【有序字典】
采用有序字典【Python3.6之后支持】,同时支持使用顺序和保存键值对
性能卓越,超越93%
import CheckFuncPerf as cfpclass LRUCache_ext1:def __init__(self, capacity):self.data = dict()self.capacity = capacitydef get(self, key):keyval = self.data.get(key, -1)if keyval != -1:self.data.pop(key)self.data[key] = keyvalreturn keyvaldef put(self, key, value)if key in self.data:self.data.pop(key)self.data[key] = valueelse:if len(self.data) < self.capacity:self.data[key] = valueelse:firstpop = next(iter(self.data))self.data.pop(firstpop)self.data[key] = valuetmpLRUCache = LRUCache_ext1(5)
result = cfp.getTimeMemoryStr(testLRUCache, tmpLRUCache, actions)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 testLRUCache 的运行时间为 420.10 ms;内存使用量为 0.00 KB 执行结果 = 99
3) 改进版二【双向链表+字典】
采用双向链表维护使用顺序,字典保存键值对,要首先定义双向链表类
性能卓越,超过92%
import CheckFuncPerf as cfpclass ListNodeDouble:def __init__(self, key=None, value=None):self.key = keyself.value = valueself.prev = Noneself.next = None
class LRUCache_ext2:def __init__(self, capacity):self.capacity = capacityself.dict = {}self.head = ListNodeDouble()self.tail = ListNodeDouble()self.head.next = self.tailself.tail.prev = self.headdef move_to_tail(self, key):tmpnode = self.dict[key]tmpnode.prev.next = tmpnode.nexttmpnode.next.prev = tmpnode.prevtmpnode.prev = self.tail.prevtmpnode.next = self.tailself.tail.prev.next = tmpnodeself.tail.prev = tmpnodedef get(self, key: int):if key in self.dict:self.move_to_tail(key)result = self.dict.get(key, -1)if result == -1:return resultelse:return result.valuedef put(self, key, value):if key in self.dict:self.dict[key].value = valueself.move_to_tail(key)else:if len(self.dict) == self.capacity:self.dict.pop(self.head.next.key)self.head.next = self.head.next.nextself.head.next.prev = self.headnewkeyval = ListNodeDouble(key, value)self.dict[key] = newkeyvalnewkeyval.prev = self.tail.prevnewkeyval.next = self.tailself.tail.prev.next = newkeyvalself.tail.prev = newkeyvaltmpLRUCache = LRUCache_ext2(5)
result = cfp.getTimeMemoryStr(testLRUCache, tmpLRUCache, actions)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 testLRUCache 的运行时间为 787.18 ms;内存使用量为 0.00 KB 执行结果 = 99
4. 最优算法
根据本地日志分析,最优算法为第2种方式【有序字典】LRUCache_ext1
def testLRUCache(lrucache, actiions):for act in actiions:if len(act) > 1:lrucache.put(act[0], act[1])else:lrucache.get(act[0])return 99
import random
actions = []
iLen = 1000000
for iIdx in range(10):actions.append([iIdx, random.randint(1, 10)])
iturn = 0
for iIdx in range(iLen):if iturn >= 2:actions.append([random.randint(1,10)])else:actions.append([random.randint(1,10), random.randint(1, 1000)])iturn += 1if iturn >= 3:iturn = 0
tmpLRUCache = LRUCache_base(5)
result = cfp.getTimeMemoryStr(testLRUCache, tmpLRUCache, actions)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 算法本地速度实测比较
函数 testLRUCache 的运行时间为 561.12 ms;内存使用量为 4.00 KB 执行结果 = 99
函数 testLRUCache 的运行时间为 420.10 ms;内存使用量为 0.00 KB 执行结果 = 99
函数 testLRUCache 的运行时间为 787.18 ms;内存使用量为 0.00 KB 执行结果 = 99
一日练,一日功,一日不练十日空
may the odds be ever in your favor ~