用于存储键值对并快速检索最小值的键的数据结构

Question

我正在实现类似缓存的东西，它的工作原理是这样的：

1. 如果给定键的新值来自某个外部进程，请存储该值，并记住该值到达的时间。
2. 如果我们处于空闲状态，则在缓存中查找最旧的条目，从外部源获取键的新值并更新缓存。
3. 在询问时返回给定键的值。

我需要一个数据结构来存储键值对，以便尽可能快地执行以下操作（按速度优先顺序）：

1. 找到具有最低（未知）值的键。
2. 更新给定键的值，如果键不存在，则添加新的键值对。
3. 其他常规哈希表操作，如删除键、检查键是否存在等。

是否有任何数据结构允许这样做？这里的问题是，为了快速执行第一个查询，我需要一些按值排序的东西，并且要快速更新给定键的值，我需要按键排序的东西。到目前为止，我最好的解决方案是这样的：

将值存储在常规哈希表中，将 (value, key) 对存储为值排序堆。查找最小值的键是这样的：

1. 找到堆中最小值的键。
2. 从哈希表中找到该键的值。
3. 如果值不匹配，则从堆中弹出值并从第 1 步开始重复。

更新值如下：

1. 将值存储在哈希表中。
2. 将新的（值、键）对推送到堆中。

删除键比较棘手，需要在堆中搜索值。这提供了类似于 O(log n) 的性能，但这种解决方案对我来说似乎很麻烦。

是否有任何数据结构结合了键的哈希表和关联值的堆的属性？我正在用 Python 编程，所以如果 Python 中有现有的实现，那将是一个很大的优势。

Answer 1

大多数堆实现会在 O(1) 时间内为您提供集合中最低的键，但不能保证随机查找或删除的速度。我建议将两种数据结构配对：任何简单的堆实现和任何开箱即用的哈希表。

当然，任何平衡二叉树都可以用作堆，因为最小值和最大值分别在最左边和最右边的叶子上。红黑树或 AVL 树应该为您提供 O(lg n) 堆和字典操作。

Answer 2

我会尝试：

import heapq

myheap = []
mydict = {}

...

def push(key, val):
    heapq.heappush(myheap, (val, key))
    mydict[key] = val

def pop():
    ...

更多信息here

Answer 3

您正在寻找地图或关联数组。为了更具体，我们需要知道您尝试使用哪种语言。