LRU缓存机制
1.描述
请你设计并实现一个满足 LRU (最近最少使用)缓存 约束的数据结构。
实现 LRUCache 类:
- LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
- int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
- void put(int key, int value) 如果关键字 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
2.示例
输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
3.解题
使用双向链表+哈希表实现LRU缓存机制,使get和put的时间复杂度达到O(1)。
1.链表节点存储键值对数据
2.哈希表存储键和对应节点的映射
3.双向链表 使用伪头节点和伪尾节点:添加和删除节点的时候不需要检查相邻的节点是否存在
4.put:
key不存在:新建节点在表头插入,同时添加映射到哈希表。
⚠️满了表尾删除。删除尾节点之后同时删除哈希表对应key的映射
key存在:找到节点更新value,移到表头。先删除节点,再添加到表头
5.get:
- key存在:节点移到表头并返回value值。
- key不存在:返回-1。
算法流程见代码:
/**
* Your LRUCache object will be instantiated and called as such:
* LRUCache obj = new LRUCache(capacity);
* int param_1 = obj.get(key);
* obj.put(key,value);
*/
class LRUCache {
/**
初始化:链表节点,头尾伪节点,链表容量,哈希表
*/
class DLinkNode{
int key;
int value;
DLinkNode pre;
DLinkNode next;
public DLinkNode(){
};
public DLinkNode(int _key , int _value){
key = _key;
value = _value;
}
}
private Map<Integer,DLinkNode> cache = new HashMap<Integer,DLinkNode>();
private int size;
private int capacity;
DLinkNode head = new DLinkNode();
DLinkNode tail = new DLinkNode();
public LRUCache(int capacity) {
this.size = 0;
this.capacity = capacity;
head.next = tail;
tail.pre = head;
}
/**
缓存操作:get,put
*/
public int get(int key) {
DLinkNode node = cache.get(key);
if(node == null){
return -1;
}
removetoHead(node); //移动到头部
return node.value;
}
public void put(int key, int value) {
DLinkNode node = cache.get(key);
if(node == null){
DLinkNode newNode = new DLinkNode(key,value);
cache.put(key,newNode);
addtoHead(newNode); //添加到头部
++size;
if(size>capacity){
DLinkNode dnode = removeTail(); //删除尾部节点
cache.remove(dnode.key);
--size;
}
}else{
node.value = value;
removetoHead(node); //移动到头部: 删除节点;添加到头部
}
}
/**
双向链表操作:移动到头部,添加到头部,删除节点,删除尾部节点
*/
public void addtoHead(DLinkNode node){ //添加到头部
node.pre = head;
node.next = head.next;
head.next = node;
node.next.pre = node;
}
public void removetoHead(DLinkNode node){ //移动到头部: 删除节点;添加到头部
removeNode(node);
addtoHead(node);
}
public void removeNode(DLinkNode node){ //删除节点
node.pre.next = node.next;
node.next.pre = node.pre;
}
public DLinkNode removeTail(){ //删除尾部节点
DLinkNode node = tail.pre;
removeNode(node);
return node;
}
}
复杂度分析
- 时间复杂度:对于 put 和 get 都是 O(1)。
- 空间复杂度:O(capacity),因为哈希表和双向链表最多存储capacity+1 个元素。