作者:labuladong
上篇文章算法題就像搭樂高:手把手帶你拆解 LRU 算法寫了 LRU 緩存淘汰算法的實(shí)現(xiàn)方法,本文來寫另一個(gè)著名的緩存淘汰算法:LFU 算法。
從實(shí)現(xiàn)難度上來說,LFU 算法的難度大于 LRU 算法,因?yàn)?LRU 算法相當(dāng)于把數(shù)據(jù)按照時(shí)間排序,這個(gè)需求借助鏈表很自然就能實(shí)現(xiàn),你一直從鏈表頭部加入元素的話,越靠近頭部的元素就是新的數(shù)據(jù),越靠近尾部的元素就是舊的數(shù)據(jù),我們進(jìn)行緩存淘汰的時(shí)候只要簡(jiǎn)單地將尾部的元素淘汰掉就行了。
而 LFU 算法相當(dāng)于是淘汰訪問頻次最低的數(shù)據(jù),如果訪問頻次最低的數(shù)據(jù)有多條,需要淘汰最舊的數(shù)據(jù)。把數(shù)據(jù)按照訪問頻次進(jìn)行排序,而且頻次還會(huì)不斷變化,這可不容易實(shí)現(xiàn)。
所以說 LFU 算法要復(fù)雜很多,labuladong 進(jìn)字節(jié)跳動(dòng)的時(shí)候就被面試官問到了 LFU 算法。
話說回來,這種著名的算法的套路都是固定的,關(guān)鍵是由于邏輯較復(fù)雜,不容易寫出漂亮且沒有 bug 的代碼。
那么本文 labuladong 就帶你拆解 LFU 算法,自頂向下,逐步求精。
一、算法描述
要求你寫一個(gè)類,接受一個(gè)capacity參數(shù),實(shí)現(xiàn)get和put方法:
classLFUCache{ //構(gòu)造容量為capacity的緩存 publicLFUCache(intcapacity){} //在緩存中查詢key publicintget(intkey){} //將key和val存入緩存 publicvoidput(intkey,intval){} }
get(key)方法會(huì)去緩存中查詢鍵key,如果key存在,則返回key對(duì)應(yīng)的val,否則返回 -1。
put(key, value)方法插入或修改緩存。如果key已存在,則將它對(duì)應(yīng)的值改為val;如果key不存在,則插入鍵值對(duì)(key, val)。
當(dāng)緩存達(dá)到容量capacity時(shí),則應(yīng)該在插入新的鍵值對(duì)之前,刪除使用頻次(后文用freq表示)最低的鍵值對(duì)。如果freq最低的鍵值對(duì)有多個(gè),則刪除其中最舊的那個(gè)。
//構(gòu)造一個(gè)容量為2的LFU緩存 LFUCachecache=newLFUCache(2); //插入兩對(duì)(key,val),對(duì)應(yīng)的freq為1 cache.put(1,10); cache.put(2,20); //查詢key為1對(duì)應(yīng)的val //返回10,同時(shí)鍵1對(duì)應(yīng)的freq變?yōu)? cache.get(1); //容量已滿,淘汰freq最小的鍵2 //插入鍵值對(duì)(3,30),對(duì)應(yīng)的freq為1 cache.put(3,30); //鍵2已經(jīng)被淘汰刪除,返回-1 cache.get(2);
二、思路分析
一定先從最簡(jiǎn)單的開始,根據(jù) LFU 算法的邏輯,我們先列舉出算法執(zhí)行過程中的幾個(gè)顯而易見的事實(shí):
1、調(diào)用get(key)方法時(shí),要返回該key對(duì)應(yīng)的val。
2、只要用get或者put方法訪問一次某個(gè)key,該key的freq就要加一。
3、如果在容量滿了的時(shí)候進(jìn)行插入,則需要將freq最小的key刪除,如果最小的freq對(duì)應(yīng)多個(gè)key,則刪除其中最舊的那一個(gè)。
好的,我們希望能夠在 O(1) 的時(shí)間內(nèi)解決這些需求,可以使用基本數(shù)據(jù)結(jié)構(gòu)來逐個(gè)擊破:
1、使用一個(gè)HashMap存儲(chǔ)key到val的映射,就可以快速計(jì)算get(key)。
HashMapkeyToVal;
2、使用一個(gè)HashMap存儲(chǔ)key到freq的映射,就可以快速操作key對(duì)應(yīng)的freq。
HashMapkeyToFreq;
3、這個(gè)需求應(yīng)該是 LFU 算法的核心,所以我們分開說。
3.1、首先,肯定是需要freq到key的映射,用來找到freq最小的key。
3.2、將freq最小的key刪除,那你就得快速得到當(dāng)前所有key最小的freq是多少。想要時(shí)間復(fù)雜度 O(1) 的話,肯定不能遍歷一遍去找,那就用一個(gè)變量minFreq來記錄當(dāng)前最小的freq吧。
3.3、可能有多個(gè)key擁有相同的freq,所以freq對(duì)key是一對(duì)多的關(guān)系,即一個(gè)freq對(duì)應(yīng)一個(gè)key的列表。
3.4、希望freq對(duì)應(yīng)的key的列表是存在時(shí)序的,便于快速查找并刪除最舊的key。
3.5、希望能夠快速刪除key列表中的任何一個(gè)key,因?yàn)槿绻l次為freq的某個(gè)key被訪問,那么它的頻次就會(huì)變成freq+1,就應(yīng)該從freq對(duì)應(yīng)的key列表中刪除,加到freq+1對(duì)應(yīng)的key的列表中。
HashMap>freqToKeys; intminFreq=0;
介紹一下這個(gè)LinkedHashSet,它滿足我們 3.3,3.4,3.5 這幾個(gè)要求。你會(huì)發(fā)現(xiàn)普通的鏈表LinkedList能夠滿足 3.3,3.4 這兩個(gè)要求,但是由于普通鏈表不能快速訪問鏈表中的某一個(gè)節(jié)點(diǎn),所以無(wú)法滿足 3.5 的要求。
LinkedHashSet顧名思義,是鏈表和哈希集合的結(jié)合體。鏈表不能快速訪問鏈表節(jié)點(diǎn),但是插入元素具有時(shí)序;哈希集合中的元素?zé)o序,但是可以對(duì)元素進(jìn)行快速的訪問和刪除。
那么,它倆結(jié)合起來就兼具了哈希集合和鏈表的特性,既可以在 O(1) 時(shí)間內(nèi)訪問或刪除其中的元素,又可以保持插入的時(shí)序,高效實(shí)現(xiàn) 3.5 這個(gè)需求。
綜上,我們可以寫出 LFU 算法的基本數(shù)據(jù)結(jié)構(gòu):
classLFUCache{ //key到val的映射,我們后文稱為KV表 HashMapkeyToVal; //key到freq的映射,我們后文稱為KF表 HashMap keyToFreq; //freq到key列表的映射,我們后文稱為FK表 HashMap >freqToKeys; //記錄最小的頻次 intminFreq; //記錄LFU緩存的最大容量 intcap; publicLFUCache(intcapacity){ keyToVal=newHashMap<>(); keyToFreq=newHashMap<>(); freqToKeys=newHashMap<>(); this.cap=capacity; this.minFreq=0; } publicintget(intkey){} publicvoidput(intkey,intval){} }
三、代碼框架
LFU 的邏輯不難理解,但是寫代碼實(shí)現(xiàn)并不容易,因?yàn)槟憧次覀円S護(hù)KV表,KF表,F(xiàn)K表三個(gè)映射,特別容易出錯(cuò)。對(duì)于這種情況,labuladong 教你三個(gè)技巧:
1、不要企圖上來就實(shí)現(xiàn)算法的所有細(xì)節(jié),而應(yīng)該自頂向下,逐步求精,先寫清楚主函數(shù)的邏輯框架,然后再一步步實(shí)現(xiàn)細(xì)節(jié)。
2、搞清楚映射關(guān)系,如果我們更新了某個(gè)key對(duì)應(yīng)的freq,那么就要同步修改KF表和FK表,這樣才不會(huì)出問題。
3、畫圖,畫圖,畫圖,重要的話說三遍,把邏輯比較復(fù)雜的部分用流程圖畫出來,然后根據(jù)圖來寫代碼,可以極大減少出錯(cuò)的概率。
下面我們先來實(shí)現(xiàn)get(key)方法,邏輯很簡(jiǎn)單,返回key對(duì)應(yīng)的val,然后增加key對(duì)應(yīng)的freq:
publicintget(intkey){ if(!keyToVal.containsKey(key)){ return-1; } //增加key對(duì)應(yīng)的freq increaseFreq(key); returnkeyToVal.get(key); }
增加key對(duì)應(yīng)的freq是 LFU 算法的核心,所以我們干脆直接抽象成一個(gè)函數(shù)increaseFreq,這樣get方法看起來就簡(jiǎn)潔清晰了對(duì)吧。
下面來實(shí)現(xiàn)put(key, val)方法,邏輯略微復(fù)雜,我們直接畫個(gè)圖來看:
這圖就是隨手畫的,不是什么正規(guī)的程序流程圖,但是算法邏輯一目了然,看圖可以直接寫出put方法的邏輯:
publicvoidput(intkey,intval){ if(this.cap<=?0)?return; ????/*?若?key?已存在,修改對(duì)應(yīng)的?val?即可?*/ ????if?(keyToVal.containsKey(key))?{ ????????keyToVal.put(key,?val); ????????//?key?對(duì)應(yīng)的?freq?加一 ????????increaseFreq(key); ????????return; ????} ????/*?key?不存在,需要插入?*/ ????/*?容量已滿的話需要淘汰一個(gè)?freq?最小的?key?*/ ????if?(this.cap?<=?keyToVal.size())?{ ????????removeMinFreqKey(); ????} ????/*?插入?key?和?val,對(duì)應(yīng)的?freq?為?1?*/ ????//?插入?KV?表 ????keyToVal.put(key,?val); ????//?插入?KF?表 ????keyToFreq.put(key,?1); ????//?插入?FK?表 ????freqToKeys.putIfAbsent(1,?new?LinkedHashSet<>()); freqToKeys.get(1).add(key); //插入新key后最小的freq肯定是1 this.minFreq=1; }
increaseFreq和removeMinFreqKey方法是 LFU 算法的核心,我們下面來看看怎么借助KV表,KF表,F(xiàn)K表這三個(gè)映射巧妙完成這兩個(gè)函數(shù)。
四、LFU 核心邏輯
首先來實(shí)現(xiàn)removeMinFreqKey函數(shù):
privatevoidremoveMinFreqKey(){ //freq最小的key列表 LinkedHashSetkeyList=freqToKeys.get(this.minFreq); //其中最先被插入的那個(gè)key就是該被淘汰的key intdeletedKey=keyList.iterator().next(); /*更新FK表*/ keyList.remove(deletedKey); if(keyList.isEmpty()){ freqToKeys.remove(this.minFreq); //問:這里需要更新 minFreq 的值嗎? } /*更新KV表*/ keyToVal.remove(deletedKey); /*更新KF表*/ keyToFreq.remove(deletedKey); }
刪除某個(gè)鍵key肯定是要同時(shí)修改三個(gè)映射表的,借助minFreq參數(shù)可以從FK表中找到freq最小的keyList,根據(jù)時(shí)序,其中第一個(gè)元素就是要被淘汰的deletedKey,操作三個(gè)映射表刪除這個(gè)key即可。
但是有個(gè)細(xì)節(jié)問題,如果keyList中只有一個(gè)元素,那么刪除之后minFreq對(duì)應(yīng)的key列表就為空了,也就是minFreq變量需要被更新。如何計(jì)算當(dāng)前的minFreq是多少呢?
實(shí)際上沒辦法快速計(jì)算minFreq,只能線性遍歷FK表或者KF表來計(jì)算,這樣肯定不能保證 O(1) 的時(shí)間復(fù)雜度。
但是,其實(shí)這里沒必要更新minFreq變量,因?yàn)槟阆胂雛emoveMinFreqKey這個(gè)函數(shù)是在什么時(shí)候調(diào)用?在put方法中插入新key時(shí)可能調(diào)用。而你回頭看put的代碼,插入新key時(shí)一定會(huì)把minFreq更新成 1,所以說即便這里minFreq變了,我們也不需要管它。
下面來實(shí)現(xiàn)increaseFreq函數(shù):
privatevoidincreaseFreq(intkey){ intfreq=keyToFreq.get(key); /*更新KF表*/ keyToFreq.put(key,freq+1); /*更新FK表*/ //將key從freq對(duì)應(yīng)的列表中刪除 freqToKeys.get(freq).remove(key); //將key加入freq+1對(duì)應(yīng)的列表中 freqToKeys.putIfAbsent(freq+1,newLinkedHashSet<>()); freqToKeys.get(freq+1).add(key); //如果freq對(duì)應(yīng)的列表空了,移除這個(gè)freq if(freqToKeys.get(freq).isEmpty()){ freqToKeys.remove(freq); //如果這個(gè)freq恰好是minFreq,更新minFreq if(freq==this.minFreq){ this.minFreq++; } } }
更新某個(gè)key的freq肯定會(huì)涉及FK表和KF表,所以我們分別更新這兩個(gè)表就行了。
和之前類似,當(dāng)FK表中freq對(duì)應(yīng)的列表被刪空后,需要?jiǎng)h除FK表中freq這個(gè)映射。如果這個(gè)freq恰好是minFreq,說明minFreq變量需要更新。
能不能快速找到當(dāng)前的minFreq呢?這里是可以的,因?yàn)槲覀儎偛虐裬ey的freq加了 1 嘛,所以minFreq也加 1 就行了。
至此,經(jīng)過層層拆解,LFU 算法就完成了。
-
算法
+關(guān)注
關(guān)注
23文章
4552瀏覽量
92028 -
數(shù)據(jù)結(jié)構(gòu)
+關(guān)注
關(guān)注
3文章
568瀏覽量
40030
原文標(biāo)題:算法題就像搭樂高:手把手帶你拆解 LFU 算法
文章出處:【微信號(hào):TheAlgorithm,微信公眾號(hào):算法與數(shù)據(jù)結(jié)構(gòu)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論