散列表和链表联合使用
LRU 缓存淘汰算法
- 主要操作:增加,删除,查找
- 时间复杂度:O(1)
- 散列表 + 双向链表
- 散列表:用于查找,复杂度O(1)
- 散列表使用拉链(单链表)解决散列冲突
- 双向链表:保存数据的顺序关系,便于删除、新增,复杂度O(1)。单链表时间复杂度o(n)
- 添加分析
- 是否存在
- 如果存在,移到尾部
- 如果不存在,且双向链表是否已满,删除头部节点,尾部添加
- 如果不存在,且未满,尾部添加
Java LinkedHashMap
- 类似支持 LRU 缓存淘汰策略的缓存系统
- 支持按照插入顺序和访问顺序遍历数据
Redis 有序集合
- 按照键值来删除、查询成员对象(类似LRU)
- 散列表(值为键)
IOS(YYMemoryCache)
问题:10 万名猎头信息,支持以下2功能
- 由ID 快速查找、删除、更新
- 积分区间数据查找
- 解决
- 删除、更新、查找(散列表,ID为键)
- 分区(跳表,积分排序)
- 插入、访问无排序(无需双向链表)
本文探讨了LRU缓存淘汰策略的实现,利用散列表和双向链表结合,达到增删查O(1)的时间复杂度。通过具体案例分析,如10万猎头信息管理,展示了散列表与跳表在不同场景下的应用。
1070

被折叠的 条评论
为什么被折叠?



