O(1) get மற்றும் put உடன் LRU cache ஐ எவ்வாறு வடிவமைக்கிறீர்கள்?

Question

Accepted Answer

**LRU (Least Recently Used) cache** என்பது அதிகபட்ச திறனை அடைந்தபோது மிக நீண்ட நேரம் பயன்படுத்தப்படாத உপাদனத்தை வெளியேற்றும். கிளாசிக்கல் வடிவமைப்பு **hash map** (O(1) lookup) ஐயும் **இரட்டை இணைப்பு பட்டியலை** (O(1) மறுசீரமைப்பு) ஒன்றாக இணைக்கிறது, இது **O(1) get மற்றும் put** ஐ வழங்குகிறது. ## இரண்டு கட்டமைப்பு வடிவமைப்பு ```text HashMap: key -> node DLL (recency order): MRU <-> ... <-> LRU get/put: map finds node move touched node to front (MRU) in O(1); DLL splices it evict the tail (LRU) when full to the front in O(1) ``` ## குறியீடு ```python from collections import OrderedDict class LRUCache: def __init__(self, capacity): self.cap = capacity self.cache = OrderedDict() # preserves access order def get(self, key): # O(1) if key not in self.cache: return -1 self.cache.move_to_end(key) # mark as most recently used return self.cache[key] def put(self, key, value): # O(1) if key in self.cache: self.cache.move_to_end(key) self.cache[key] = value if len(self.cache) > self.cap: self.cache.popitem(last=False) # evict least recently used ``` `OrderedDict` என்பது ஒரு hash map மற்றும் ஒரு இரட்டை இணைப்பு பட்டியல் ஆகியவற்றைக் கொண்டுள்ளது, இது மேலே விவரிக்கப்பட்ட சரியான கட்டமைப்பாகும். | செயல்பாடு | நேரம் | |---|---| | get | O(1) | | put | O(1) | | space | O(capacity) | ## இரட்டை இணைப்பு பட்டியல் ஏன் தேவை இரட்டை இணைப்பு பட்டியல் உங்களை **நடுவில் இருந்து ஒரு முனையை O(1) இல் பிரிக்க** அனுமதிக்கிறது (நீங்கள் அதன் `prev`/`next` ஐ வைத்திருக்கிறீர்கள்), இது ஒற்றை இணைப்பு பட்டியல் அல்லது O(n) மாற்றம் இல்லாமல் பொதுவான பட்டியலுடன் சாத்தியமில்லை. ## இது ஏன் முக்கியமானது LRU caches தரவுத்தளங்கள், வலை சேவையகங்கள் மற்றும் CPU க்களுக்கு முன்னால் உட்கார்ந்து சூடான தரவை வேகமாகவும் நினைவகத்தை வரம்பிடப்பட்டதாகவும் வைத்திருக்கிறது. இந்த சிக்கல் முத்தலைப் பெண் நேர்காணலுக்கான ஒரு முக்கிய பிரச்சனையாகும், ஏனெனில் இது இரண்டு கட்டமைப்புகளை சேர்க்கிறது என்று சோதிக்கிறது *ஒன்று மற்றொன்றின் பலவீனத்தை சரிசெய்கிறது* — ஒரு முக்கிய கணினி-வடிவமைப்பு திறமை.