LeetCode - 460 LFU缓存（Java JS Python）

发布时间：2026/7/18 19:10:25

LeetCode - 460 LFU缓存（Java JS Python）

题目来源

460. LFU 缓存 - 力扣（LeetCode）

题目描述

请你为 最不经常使用（LFU）缓存算法设计并实现数据结构。

实现 LFUCache 类：

  • LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
  • int get(int key) - 如果键 key 存在于缓存中，则获取键的值，否则返回 -1 。
  • void put(int key, int value) - 如果键 key 已存在，则变更其值；如果键不存在，请插入键值对。当缓存达到其容量 capacity 时，则应该在插入新项之前，移除最不经常使用的项。在此问题中，当存在平局（即两个或更多个键具有相同使用频率）时，应该去除 最久未使用 的键。

为了确定最不常使用的键，可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。

当一个键首次插入到缓存中时，它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作，使用计数器的值将会递增。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例

输入

["LFUCache", "put", "put", "get", "put", "get", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]]

输出

[null, null, null, 1, null, -1, 3, null, -1, 3, 4]

解释

// cnt(x) = 键 x 的使用计数
// cache=[] 将显示最后一次使用的顺序（最左边的元素是最近的）
LFUCache lfu = new LFUCache(2);
lfu.put(1, 1);   // cache=[1,_], cnt(1)=1
lfu.put(2, 2);   // cache=[2,1], cnt(2)=1, cnt(1)=1
lfu.get(1);      // 返回 1// cache=[1,2], cnt(2)=1, cnt(1)=2
lfu.put(3, 3);   // 去除键 2 ，因为 cnt(2)=1 ，使用计数最小// cache=[3,1], cnt(3)=1, cnt(1)=2
lfu.get(2);      // 返回 -1（未找到）
lfu.get(3);      // 返回 3// cache=[3,1], cnt(3)=2, cnt(1)=2
lfu.put(4, 4);   // 去除键 1 ，1 和 3 的 cnt 相同，但 1 最久未使用// cache=[4,3], cnt(4)=1, cnt(3)=2
lfu.get(1);      // 返回 -1（未找到）
lfu.get(3);      // 返回 3// cache=[3,4], cnt(4)=1, cnt(3)=3
lfu.get(4);      // 返回 4// cache=[3,4], cnt(4)=2, cnt(3)=3

提示

  • 1 <= capacity <= 104
  • 0 <= key <= 105
  • 0 <= value <= 109
  • 最多调用 2 * 10^5 次 get 和 put 方法

题目解析

LFU缓存可以通过：两个哈希表(Map结构) + 双向链表来实现。

我们可以定义两个哈希表keyMap和freqMap，其中：

  • keyMap的键是"本题key"，值为"双向链表节点node"
  • freqMap的键是"本题key的使用次数freq"，值为”对应使用次数freq的key对应的node组成的双向链表“

而双向链表节点node用于记录key的如下信息：

  • key：本题的key
  • val：本题的value
  • freq：对应key使用次数

可能上面说法比较晦涩，下面通过图示来说：

‘

以上就是两个哈希Map，以及双向链表完成LFU缓存的逻辑。

上面逻辑中，有一个问题，那么就是每次LFU容量不足时，我们需要删除掉最少、最远使用的key，那么首先如何找到最少使用次数的key呢？

上面图示中，我们是通过人眼识别出freqMap键列中最小的键，即为最少使用次数。

那么代码该如何实现呢？

我们可以定义一个全局变量（或者类静态变量）minFreq来记录最少使用次数，而minFreq的更新有如下时机：

  • 1、put新增操作一定会带来一个使用次数freq=1的键，且此新键的使用次数1一定是最少的，此时我们可以更新minFreq=1
  • 2、get和put更新操作会新增对应key的使用次数，因此在新增使用次数后，该key需要从对应使用次数的DLink中去除，如果对应DLink只有该key对应节点，且对应DLink是最少使用次数对应的容器链表，那么删除key后，该DLInk就为空，那么最少使用次数的key就没了。此时我们可以直接将minFreq++，因为如果当前key在新增使用次数前是唯一的最少使用次数key，那么当前key新增使用次数后，依旧是最少使用次数的key。而minFreq就是当前key新增使用次数前的使用次数。

Java算法源码

import java.util.HashMap;class LFUCache {/** 双向链表节点 */static class Node {/** 记录本题的键 */int key;/** 记录本题的值 */int val;/** 记录该键被访问的次数 */int freq;/** 当前节点的上一个节点 */Node prev;/** 当前节点的下一个节点 */Node next;public Node(int key, int val, int freq) {this.key = key;this.val = val;this.freq = freq;this.prev = null;this.next = null;}}/** 双向链表 */static class Link {/** 链表中节点个数 */int size;/** 链表头节点 */Node head;/** 链表尾节点 */Node tail;public Link() {this.size = 0;this.head = null;this.tail = null;}/*** 尾插** @param node 要被插入的节点*/public void addLast(Node node) {if (this.size == 0) {// 空链表，则node节点插入后，即为头、尾节点this.head = node;this.tail = node;} else {// 非空链表，则node节点插入到tail节点后面this.tail.next = node;node.prev = this.tail;this.tail = node;}this.size++;}/*** 删除指定节点** @param node 要删除的节点*/public void remove(Node node) {// 空链表没有节点，所以无法删除if (this.size == 0) return;if (this.size == 1) {// 链表只有一个节点，则删除完后，变为空链表this.head = null;this.tail = null;} else if (this.head == node) {// 如果要删除的节点是头节点this.head = this.head.next;this.head.prev = null;} else if (this.tail == node) {// 如果要删除的节点是尾节点this.tail = this.tail.prev;this.tail.next = null;} else {// 如果要删除的节点是中间节点node.prev.next = node.next;node.next.prev = node.prev;}this.size--;}}/** keyMap用于记录key对应的node */HashMap<Integer, Node> keyMap;/** freqMap的key是访问次数，value是具有相同访问次数的key对应的node组成的链表，链表头是最远访问的，链表尾是最近访问的 */HashMap<Integer, Link> freqMap;/** LFU缓存中能记录的最多key的数量 */int capacity;/** LFU缓存中所有的key中最少的访问次数 */int minFreq;public LFUCache(int capacity) {this.keyMap = new HashMap<>();this.freqMap = new HashMap<>();this.capacity = capacity;this.minFreq = 0;}public int get(int key) {if (this.keyMap.containsKey(key)) {// 存在对应key，则返回对应valNode node = this.keyMap.get(key);incNodeFreq(node); // get操作会新增对应key的访问次数return node.val;} else {// 不存在对应key，则返回-1return -1;}}public void put(int key, int value) {// 对应key已存在，则为更新场景if (this.keyMap.containsKey(key)) {Node node = this.keyMap.get(key);incNodeFreq(node); // 更新操作会增加对应key的访问次数node.val = value;}// 对应key不存在，则为新增场景else {// 先判断容量是否超过，keyMap的key数量就是LFU缓存中记录的key数量if (this.keyMap.size() >= this.capacity) {Link link = this.freqMap.get(this.minFreq);int removeKey = link.head.key;link.remove(link.head); // 最少访问次数所在链表的头节点，即为：最少、最远访问的key，容量不足时，需要优先删除它this.keyMap.remove(removeKey); // 注意，不要遗漏将keyMap中该key删除}// 新增key，则对应key的访问次数为1，且为最少访问次数this.minFreq = 1;Node node = new Node(key, value, this.minFreq);// 将新增key对应的node加入到freqMap，和keyMap中this.freqMap.putIfAbsent(this.minFreq, new Link());this.freqMap.get(this.minFreq).addLast(node);this.keyMap.put(key, node);}}/*** 增加key的访问次数** @param node key对应的node*/public void incNodeFreq(Node node) {// 由于key的访问次数增加，因此要从原访问次数的链表中删除this.freqMap.get(node.freq).remove(node);// 如果原链表删除当前key对应的节点后为空，且原链表对应的访问次数就是最少访问次数if (this.freqMap.get(node.freq).size == 0 && node.freq == this.minFreq) {// 则最少访问次数对应的key没有了，因此最少访问次数++（即当前key访问次数++后，当前key的访问次数还是最少访问次数）this.minFreq++;}// 当前key访问次数++node.freq++;// 将当前key对应的node转移到对应增加后的访问次数对应的链表尾部（最近访问）this.freqMap.putIfAbsent(node.freq, new Link());this.freqMap.get(node.freq).addLast(node);}
}

JS算法源码

/** 双向链表节点 */
class Node {constructor(key, val, freq) {/** 记录本题的键 */this.key = key;/** 记录本题的值 */this.val = val;/** 记录该键被访问的次数 */this.freq = freq;/** 当前节点的上一个节点 */this.prev = null;/** 当前节点的下一个节点 */this.next = null;}
}/** 双向链表 */
class Link {constructor() {/** 链表中节点个数 */this.size = 0;/** 链表头节点 */this.head = null;/** 链表尾节点 */this.tail = null;}/*** 尾插* @param {*} node 要被插入的节点*/addLast(node) {if (this.size == 0) {// 空链表，则node节点插入后，即为头、尾节点this.head = node;this.tail = node;} else {// 非空链表，则node节点插入到tail节点后面this.tail.next = node;node.prev = this.tail;this.tail = node;}this.size++;}/*** 删除指定节点* @param {*} node 要删除的节点*/remove(node) {// 空链表没有节点，所以无法删除if (this.size == 0) return;if (this.size == 1) {// 链表只有一个节点，则删除完后，变为空链表this.head = null;this.tail = null;} else if (this.head == node) {// 如果要删除的节点是头节点this.head = this.head.next;this.head.prev = null;} else if (this.tail == node) {// 如果要删除的节点是尾节点this.tail = this.tail.prev;this.tail.next = null;} else {// 如果要删除的节点是中间节点node.prev.next = node.next;node.next.prev = node.prev;}this.size--;}
}/*** @param {number} capacity*/
var LFUCache = function (capacity) {/** keyMap用于记录key对应的node */this.keyMap = new Map();/** freqMap的key是访问次数，value是具有相同访问次数的key对应的node组成的链表，链表头是最远访问的，链表尾是最近访问的 */this.freqMap = new Map();/** LFU缓存中能记录的最多key的数量 */this.capacity = capacity;/** LFU缓存中所有的key中最少的访问次数 */this.minFreq = 0;
};/*** @param {number} key* @return {number}*/
LFUCache.prototype.get = function (key) {if (this.keyMap.has(key)) {// 存在对应key，则返回对应valconst node = this.keyMap.get(key);this.incNodeFreq(node); // get操作会新增对应key的访问次数return node.val;} else {// 不存在对应key，则返回-1return -1;}
};/*** @param {number} key* @param {number} value* @return {void}*/
LFUCache.prototype.put = function (key, value) {// 对应key已存在，则为更新场景if (this.keyMap.has(key)) {const node = this.keyMap.get(key);this.incNodeFreq(node); // 更新操作会增加对应key的访问次数node.val = value;}// 对应key不存在，则为新增场景else {// 先判断容量是否超过，keyMap的key数量就是LFU缓存中记录的key数量if (this.keyMap.size >= this.capacity) {const link = this.freqMap[this.minFreq];const removeKey = link.head.key;link.remove(link.head); // 最少访问次数所在链表的头节点，即为最少、最远访问的key，容量不足时，需要优先删除它this.keyMap.delete(removeKey); // 注意，不要遗漏将keyMap中该key删除}// 新增key，则对应key的访问次数为1，且为最少访问次数this.minFreq = 1;// 将新增key对应的node加入到freqMap，和keyMap中const node = new Node(key, value, this.minFreq);if (this.freqMap[this.minFreq] == undefined) {this.freqMap[this.minFreq] = new Link();}this.freqMap[this.minFreq].addLast(node);this.keyMap.set(key, node);}
};/*** 增加key的访问次数* @param {*} node key对应的node*/
LFUCache.prototype.incNodeFreq = function (node) {// 由于key的访问次数增加，因此要从原访问次数的链表中删除this.freqMap[node.freq].remove(node);// 如果原链表删除当前key对应的节点后为空，且原链表对应的访问次数就是最少访问次数if (this.freqMap[node.freq].size == 0 && node.freq == this.minFreq) {// 则最少访问次数对应的key没有了，因此最少访问次数++（即当前key访问次数++后，当前key的访问次数还是最少访问次数）this.minFreq++;}// 当前key访问次数++node.freq++;// 将当前key对应的node转移到对应增加后的访问次数对应的链表尾部（最近访问）if (this.freqMap[node.freq] == undefined) {this.freqMap[node.freq] = new Link();}this.freqMap[node.freq].addLast(node);
};

Python算法源码

# 双向链表节点
class Node:def __init__(self, key, val, freq):""":param key: 记录本题的键:param val: 记录本题的值:param freq: 记录该键被访问的次数"""self.key = keyself.val = valself.freq = freqself.prev = Noneself.next = None# 双向链表
class Link:def __init__(self):self.size = 0self.head = Noneself.tail = Nonedef addLast(self, node):"""尾插:param node: 要被插入的节点"""if self.size == 0:# 空链表，则node节点插入后，即为头、尾节点self.head = nodeself.tail = nodeelse:# 非空链表，则node节点插入到tail节点后面self.tail.next = nodenode.prev = self.tailself.tail = nodeself.size += 1def remove(self, node):"""删除指定节点:param node: 要删除的节点"""if self.size == 0:# 空链表没有节点，所以无法删除returnif self.size == 1:# 链表只有一个节点，则删除完后，变为空链表self.head = Noneself.tail = Noneelif self.head == node:# 如果要删除的节点是头节点self.head = self.head.nextself.head.prev = Noneelif self.tail == node:# 如果要删除的节点是尾节点self.tail = self.tail.prevself.tail.next = Noneelse:# 如果要删除的节点是中间节点node.prev.next = node.nextnode.next.prev = node.prevself.size -= 1class LFUCache(object):def __init__(self, capacity):self.keyMap = {}  # keyMap用于记录key对应的nodeself.freqMap = {}  # freqMap的key是访问次数，value是具有相同访问次数的key对应的node组成的链表，链表头是最远访问的，链表尾是最近访问的self.capacity = capacity  # LFU缓存中能记录的最多key的数量self.minFreq = 0  # LFU缓存中所有的key中最少的访问次数def get(self, key):if key in self.keyMap:# 存在对应key，则返回对应valnode = self.keyMap[key]self.incNodeFreq(node)  # get操作会新增对应key的访问次数return node.valelse:# 不存在对应key，则返回-1return -1def put(self, key, value):if key in self.keyMap:# 对应key已存在，则为更新场景node = self.keyMap[key]self.incNodeFreq(node)  # 更新操作会增加对应key的访问次数node.val = valueelse:# 对应key不存在，则为新增场景# 先判断容量是否超过，keyMap的key数量就是LFU缓存中记录的key数量if len(self.keyMap) >= self.capacity:link = self.freqMap[self.minFreq]removeKey = link.head.keylink.remove(link.head)  # 最少访问次数所在链表的头节点，即为：最少、最远访问的key，容量不足时，需要优先删除它self.keyMap.pop(removeKey)  # 注意，不要遗漏将keyMap中该key删除# 新增key，则对应key的访问次数为1，且为最少访问次数self.minFreq = 1node = Node(key, value, self.minFreq)# 将新增key对应的node加入到freqMap，和keyMap中self.freqMap.setdefault(self.minFreq, Link())self.freqMap.get(self.minFreq).addLast(node)self.keyMap[key] = nodedef incNodeFreq(self, node):"""增加key的访问次数:param node: key对应的node"""# 由于key的访问次数增加，因此要从原访问次数的链表中删除self.freqMap[node.freq].remove(node)# 如果原链表删除当前key对应的节点后为空，且原链表对应的访问次数就是最少访问次数if self.freqMap[node.freq].size == 0 and node.freq == self.minFreq:# 则最少访问次数对应的key没有了，因此最少访问次数++（即当前key访问次数++后，当前key的访问次数还是最少访问次数）self.minFreq += 1# 当前key访问次数++node.freq += 1# 将当前key对应的node转移到对应增加后的访问次数对应的链表尾部（最近访问）self.freqMap.setdefault(node.freq, Link())self.freqMap[node.freq].addLast(node)

相关新闻

pillow opencv matplotlib读写图片有什么区别

pillow opencv matplotlib读写图片有什么区别

from PIL import Image import numpy as np import cv2 from matplotlib import pyplot as pltfile_path 1.png 读彩色图像 区别&#xff1a; opencv-python读出来的是BGR颜色通道的PIL读出的是PIL类格式的&#xff0c;而cv和plt是numpy数组 # 读取彩色图像 都是HWC img1 …

2026/7/16 2:02:37
【Java SE学习】——内部类

【Java SE学习】——内部类

实例内部类静态内部类局部内部类主要特征内部类的实例引用特定的外部类的实例内部类的实例不与外部类的任何实例关联可见范围是所在的方法可用的修饰符访问控制修饰符&#xff0c;abstract, final访问控制修饰符&#xff0c;static, abstract, finalabstract, final可以访问外部…

2026/7/16 20:33:32
Python实验项目9 ：网络爬虫与自动化

Python实验项目9 ：网络爬虫与自动化

实验 1&#xff1a;爬取网页中的数据。 要求&#xff1a;使用 urllib 库和 requests 库分别爬取 http://www.sohu.com 首页的前 360 个字节的数据。 # 要求&#xff1a;使用 urllib 库和 requests 库分别爬取 http://www.sohu.com 首页的前 360 个字节的数据。 import urllib.r…

2026/7/12 17:35:55

最新新闻

2607d,parin游戏引擎

2607d,parin游戏引擎

原文 Parin游戏引擎 欢迎来到2025年9月Parin的开发日志. 新调色板 本月新增了8种预定义的颜色调色板.其中两款灵感来自GameBoy和NES,其他则引入了林操极客元素,比如Gruvbox. HexPalette!4 gb4 [ .. ]; HexPalette!8 nes8 [ .. ]; HexPalette!16 gruvboxDark [ .. ]; He…

2026/7/18 19:09:50
Kimi K2.7 Code 与 GLM-5.2 单次 Agent 调用成本实测对比（2026）

Kimi K2.7 Code 与 GLM-5.2 单次 Agent 调用成本实测对比（2026）

*****[](https://ofox.io/zh/models)[](https://app.ofox.io/) **TL;DR。** 按 token 算&#xff0c;Kimi K2.7 Code&#xff08;moonshotai/kimi-k2.7-code&#xff09;在每一档上都比 GLM-5.2&#xff08;z-ai/glm-5.2&#xff09;便宜&#xff1a;在 ofox.io 上是 输入 $0.9…

2026/7/18 19:09:49
DC-DC转换器环路补偿设计与稳定性优化实践

DC-DC转换器环路补偿设计与稳定性优化实践

1. 电源稳定性的基础认知 电源稳定性是任何电子系统可靠工作的基石。想象一下&#xff0c;你正在用手机玩游戏&#xff0c;突然屏幕闪烁几下然后自动重启——这很可能就是电源系统失稳导致的典型故障。在DC-DC转换器这类开关电源中&#xff0c;稳定性问题会表现为输出电压振荡、…

2026/7/18 19:09:49
差分时钟原理与高速数字系统设计实践

差分时钟原理与高速数字系统设计实践

1. 差分时钟的基本概念与工作原理在高速数字系统中&#xff0c;时钟信号的质量直接决定了整个系统的稳定性和性能。差分时钟作为一种特殊的信号传输方式&#xff0c;由两根相位相反的信号线组成&#xff08;通常标记为CLK和CLK-&#xff09;&#xff0c;通过两根线之间的电压差…

2026/7/18 19:09:49
终极指南：如何在Android应用中快速集成Jetpack Media3与Compose实现现代化媒体播放

终极指南：如何在Android应用中快速集成Jetpack Media3与Compose实现现代化媒体播放

终极指南&#xff1a;如何在Android应用中快速集成Jetpack Media3与Compose实现现代化媒体播放 【免费下载链接】media Jetpack Media3 support libraries for media use cases, including ExoPlayer, an extensible media player for Android 项目地址: https://gitcode.com…

2026/7/18 19:09:46
特征阻抗原理与应用：从电磁波到高速PCB设计

特征阻抗原理与应用：从电磁波到高速PCB设计

1. 特征阻抗的本质&#xff1a;从电磁波传播说起 当你把手指放在同轴电缆的横截面上时&#xff0c;实际上触碰的是一个精密的电磁场平衡系统。特征阻抗&#xff08;Characteristic Impedance&#xff09;这个看似抽象的概念&#xff0c;本质上描述的是电磁波在传输线中传播时遇…

2026/7/18 19:09:20

日新闻

从模糊意图到可执行指令：Claude PRD中Prompt Engineering与需求颗粒度的5级映射法则

从模糊意图到可执行指令：Claude PRD中Prompt Engineering与需求颗粒度的5级映射法则

更多请点击&#xff1a; https://kaifayun.com 第一章&#xff1a;从模糊意图到可执行指令&#xff1a;Claude PRD中Prompt Engineering与需求颗粒度的5级映射法则 在Claude驱动的产品需求文档&#xff08;PRD&#xff09;生成实践中&#xff0c;原始业务意图往往以自然语言片…

2026/7/18 0:00:31
Cursor配置生成失效？3大隐藏陷阱+4行修复代码，资深工程师连夜整理的紧急补救清单

Cursor配置生成失效？3大隐藏陷阱+4行修复代码，资深工程师连夜整理的紧急补救清单

更多请点击&#xff1a; https://codechina.net 第一章&#xff1a;Cursor配置生成失效&#xff1f;3大隐藏陷阱4行修复代码&#xff0c;资深工程师连夜整理的紧急补救清单 Cursor 配置生成突然失效&#xff0c;是近期高频报障场景。表面看是 cursor.config.json 未更新或 LSP…

2026/7/18 0:00:31
某智驾大牛创业

某智驾大牛创业

作者&#xff1a;钟声编辑&#xff1a;Mark出品&#xff1a;红色星际头图&#xff1a;智能驾驶图片据悉&#xff0c;国内某头部智驾公司端到端模型技术大牛Z投身创业&#xff0c;并且已经拿到融资。Z不仅是该头部公司内部最年轻的对标阿里P10级别技术负责⼈&#xff0c;更是业内…

2026/7/18 0:00:31

周新闻

PlantUML 实战：5分钟将 UML 2.5 序列图转换为可执行代码草图

PlantUML 实战：5分钟将 UML 2.5 序列图转换为可执行代码草图

PlantUML 实战&#xff1a;5分钟将 UML 2.5 序列图转换为可执行代码草图 在软件开发过程中&#xff0c;清晰的系统设计往往比编码本身更为关键。传统拖拽式UML工具虽然直观&#xff0c;却常常成为效率杀手——频繁的鼠标操作打断设计思路&#xff0c;版本控制困难&#xff0c;…

2026/7/18 14:53:08
【RT-DETR涨点改进】29 动态Batch推理：让RT-DETR在低延迟下吃满GPU算力

【RT-DETR涨点改进】29 动态Batch推理：让RT-DETR在低延迟下吃满GPU算力

29 动态Batch推理：让RT-DETR在低延迟下吃满GPU算力 开篇故事 上个月帮一家安防厂商做项目优化，他们用RT-DETR做实时人流统计，部署在NVIDIA A10上。客户反馈说：“GPU利用率才30%，但延迟已经飙到40ms了，加人流量就丢帧。” 我远程一看，好家伙——生产环境里每个请求单独…

2026/7/18 14:53:11
Postman 环境变量实战：3种动态设置方法与CI/CD集成避坑指南

Postman 环境变量实战：3种动态设置方法与CI/CD集成避坑指南

Postman 环境变量高阶实战&#xff1a;动态管理与 CI/CD 深度集成在接口自动化测试领域&#xff0c;环境变量的灵活运用往往成为区分初级与高级测试工程师的关键能力。本文将深入探讨 Postman 环境变量的三种动态设置模式&#xff0c;并分享 Newman 在 CI/CD 流水线中的实战避坑…

2026/7/18 14:53:08

月新闻

[C++]内存管理：串顺序存储的内存回收

[C++]内存管理：串顺序存储的内存回收

在串&#xff08;字符串&#xff09;的顺序存储中&#xff0c;内存回收的方式取决于字符串的存储方式以及所使用的编程语言和相关库。以下以 C 为例进行说明&#xff0c;因为 C 对内存管理有较为直接的控制。 1. 基于 char 数组的串顺序存储 如果使用普通的 char 数组来存储字…

2026/7/18 14:52:50
移动端游戏功耗测试实战：电流、功率、亮度和场景对比

移动端游戏功耗测试实战：电流、功率、亮度和场景对比

移动端游戏功耗测试：先控制变量，再比较优化是否真的省电 摘要：功耗测试最容易犯的错误，是拿两次不同温度、不同亮度、不同场景的平均功率直接比较。本文给出一套可复现的游戏功耗测试方法，覆盖引擎特性验证、版本回归和黑盒体验测试，并说明如何把功耗与帧率、温控、CPU/G…

2026/7/18 3:03:28
足球口袋教练 HarmonyOS 离线应用实战（03/20）：ArkUI 首页仪表盘搭建

足球口袋教练 HarmonyOS 离线应用实战（03/20）：ArkUI 首页仪表盘搭建

本文是“足球口袋教练 HarmonyOS 离线应用实战”系列第 3 篇。示例项目是一个 HarmonyOS / ArkTS / ArkUI 编写的离线足球训练助手&#xff0c;围绕真实页面、真实截图和可复现操作展开。 本篇要解决的问题 训练 App 的首页不能只展示欢迎语&#xff0c;它要解决“我现在该点哪…

2026/7/17 20:06:24