LFU

LFU

LFU（Least Frequently Used ，最近最少使用算法）

算法描述：

class LFUCache {
    // 构造容量为 capacity 的缓存
    public LFUCache(int capacity) {}
    // 在缓存中查询 key
    public int get(int key) {}
    // 将 key 和 val 存入缓存
    public void put(int key, int val) {}
}

get(key)方法会去缓存中查询键key，如果key存在，则返回key对应的val，否则返回 -1。

put(key, value)方法插入或修改缓存。如果key已存在，则将它对应的值改为val；如果key不存在，则插入键值对(key, val)。

当缓存达到容量capacity时，则应该在插入新的键值对之前，删除使用频次（后文用freq表示）最低的键值对。如果freq最低的键值对有多个，则删除其中最旧的那个。

思路：

1. 需要有一个HashMap来保存key到val的映射，用来计算 get(key)

HashMap<Integer, Integer> keyToVal;

2. 需要有一个HashMap来保存key到freq的映射，用来计算每一个key的频次

HashMap<Integer, Integer> keyToFreq;

3. 算法的核心需求(思路)

   1. 需要freq到key的映射，用来找到最小freq对应的key
   2. 如果要满足上一条，快速找到最小freq是多少，可以通过一个变量minFreq来记录当前最小freq，避免遍历
   3. 可能会有多个key拥有相同的freq，所以freq和key是一对多的关系，那么就需要维护一个freq到key对应的映射关系
   4. 为了保证快速查找并删除最旧的key，就需要保证freq对应的key的映射列表应该是有顺序的
   5. 需要能够快速删除key列表中的任何一个key。如果频次为freq的key被访问了，它的频次应该变成freq+1，此时应该从freq对应的key列表中删除，并把key加入到freq+1对应的key列表中 => 就是需要提高它的频次

   HashMap<Integer, LinkedHashSet<Integer>> freqToKeys;
   int minFreq;

如果用 LinkedList 可以满足第3、4条，但是链表不能快速访问某一个节点，所以不能满足第5条快速删除

综上，LFUCache 类代码如下：

class LFUCache {
    // key 到 val 的映射，我们后文称为 KV 表
    HashMap<Integer, Integer> keyToVal;
    // key 到 freq 的映射，我们后文称为 KF 表
    HashMap<Integer, Integer> keyToFreq;
    // freq 到 key 列表的映射，我们后文称为 FK 表
    HashMap<Integer, LinkedHashSet<Integer>> freqToKeys;
    // 记录最小的频次
    int minFreq;
    // 记录 LFU 缓存的最大容量
    int cap;

    public LFUCache(int capacity) {
        keyToVal = new HashMap<>();
        keyToFreq = new HashMap<>();
        freqToKeys = new HashMap<>();
        this.cap = capacity;
        this.minFreq = 0;
    }

    public int get(int key) {
        if (!keyToVal.containsKey(key))
            return -1;
				// 增加key对应的频次
        increaseFreq(key); 
        return keyToVal.get(key);
    }

    public void put(int key, int val) {
        // 避免初始化的时候capacity参数异常
        if (this.cap <= 0)
            return;

        // 如果 KV 表已经存在这个key
        // 修改对应的val，频次+1
        if (keyToVal.containsKey(key)) {
            keyToVal.put(key, val);
            increaseFreq(key);
            return;
        }

        // 如果 KV 表不存在这个key
        // 并且当前容量已满，就需要删除最小频次的key
        if (keyToVal.size() >= this.cap) {
            removeMinFreqKey();
        }

        // 当前容量未满，插入key和val，并且key对应的freq置为1
        keyToVal.put(key, val);
        keyToFreq.put(key, 1);
        // putIfAbsent 如果有这个key的话就不进行任何操作，此处相当于对1这个key进行初始化
        freqToKeys.putIfAbsent(1, new LinkedHashSet<>());
        freqToKeys.get(1).add(key);
        // 插入最新的key之后，最小的freq肯定是1
        this.minFreq = 1;
    }
  
  	private void increaseFreq(int key) {
        // 首先，能进入到这个函数的时候，keyToFreq 和 freqToKeys 一定保存过这个key了

        // 更新 KF 表中key对应的频次+1
        int freq = keyToFreq.get(key);
        keyToFreq.put(key, freq + 1);

        // Fk 表中删除freq对应的列表中的key
        freqToKeys.get(freq).remove(key);
        freqToKeys.putIfAbsent(freq + 1, new LinkedHashSet<>());
        freqToKeys.get(freq + 1).add(key);

        // 如果 freq 对应的列表空了，就移除这个freq
        if (freqToKeys.get(freq).size() == 0) {
            freqToKeys.remove(freq);
            // 如果这个 freq 又恰好是 minFreq，更新 minFreq
          	// 这个地方容易忘记更新
            if (freq == this.minFreq) {
                this.minFreq++;
            }
        }
    }

    private void removeMinFreqKey() {
        // FK 表中最小freq对应的列表中 最先被插入的那个 key 就是该被淘汰的 key
        LinkedHashSet<Integer> keyList = freqToKeys.get(this.minFreq);
        int deleteKey = keyList.iterator().next();
        keyList.remove(deleteKey);

        // 如果 freq 对应的列表空了，就移除这个freq
        if(keyList.size() == 0){
            freqToKeys.remove(this.minFreq);
            // 这里不需要更新 minFreq，因为后面会紧跟一个put操作，minFreq 会被置为1
        }

        // 更新 KV 表
        keyToVal.remove(deleteKey);
        // 更新 KF 表
        keyToFreq.remove(deleteKey);
    }
}