1 题目说明
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制。
实现 LRUCache 类:
l LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
l 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 。
l void put(int key, int value) 如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。
进阶:你是否可以在 O(1) 时间复杂度内完成这两种操作?
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
提示:
l 1 <= capacity <= 3000
l 0 <= key <= 3000
l 0 <= value <= 104
l 最多调用 3 * 104 次 get 和 put
2 分析
LRU(Least recently used,最近最少使用)是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰。
所谓的“最近最久未使用”,就是根据数据的历史访问记录来判断的,其核心思想是“如果数据最近被访问过,那么将来被访问的几率也更高”。
LRU是最常见的缓存机制,在操作系统的虚拟内存管理中,有非常重要的应用,所以也是面试中的常客。
具体实现上,既然保存的是键值对,而且要根据key来判断数据是否在缓存中,那么就可以用一个HashMap来作为缓存的存储数据结构。这样,我们的访问和插入,就都可以以常数时间进行了。
需要额外考虑的是,缓存空间有限,所以这个HashMap要有一个容量限制;而且当达到容量上限时,我们会运用LRU的策略删除最近最少使用的那个数据。
这就要求我们必须把数据,按照一定的线性结构排列起来,最新访问的数据放在后面,新数据的插入可以“顶掉”最前面的不常访问的数据。这种数据结构其实可以用链表来实现。
所以,我们最终可以使用一个哈希表+双向链表的数据结构,来实现LRU缓存机制。
package com.atguigu.algorithm.hashmap; import java.util.HashMap; // 自定义实现HashMap+双向链表的缓存机制 public class LRUCache { // 定义双向链表的节点类 class Node { int key; int value; Node next; Node prev; // 指向前一个节点的指针 public Node() { } public Node(int key, int value) { this.key = key; this.value = value; } } // 定义哈希表 private HashMap<Integer, Node> hashMap = new HashMap<Integer, Node>(); // 定义属性 private int capacity; private int size; // 定义头尾指针 private Node head, tail; public LRUCache(int capacity) { this.capacity = capacity; this.size = 0; // 用哑节点定义哨兵,方便统一处理 head = new Node(); tail = new Node(); head.next = tail; tail.prev = head; } // get方法 public int get(int key){ // 从哈希表中查找key,如果不存在的话就返回-1 Node node = hashMap.get(key); if (node == null) return -1; // 如果存在,将当前节点移到链表末尾 moveToTail(node); return node.value; } // put操作 public void put(int key, int value){ // 同样先在哈希表中查找key Node node = hashMap.get(key); // 如果key存在,修改value,并移到末尾 if (node != null){ node.value = value; moveToTail(node); } // 如果不存在,需要创建新的节点,插入到末尾 else { Node newNode = new Node(key, value); hashMap.put(key, newNode); // 保存进哈希表 addToTail(newNode); // 添加到双向链表的末尾 size ++; // 当前size增大 // 如果超出了容量限制,删除链表头节点 if (size > capacity){ Node head = removeHead(); hashMap.remove(head.key); size --; } } } // 移动节点到链表末尾 private void moveToTail(Node node){ removeNode(node); addToTail(node); } // 通用方法,删除链表中的某一个节点 private void removeNode(Node node){ // 跳过当前node node.prev.next = node.next; node.next.prev = node.prev; } // 在链表末尾增加一个节点 private void addToTail(Node node){ node.next = tail; node.prev = tail.prev; // 以原先的末尾节点作为前一个节点 tail.prev.next = node; tail.prev = node; } // 删除头节点 private Node removeHead(){ Node realHead = head.next; removeNode(realHead); return realHead; } public static void main(String[] args) { 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} System.out.println(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} System.out.println(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} System.out.println(lRUCache.get(1)); // 返回 -1 (未找到) System.out.println(lRUCache.get(3)); // 返回 3 System.out.println(lRUCache.get(4)); // 返回 4 } }
package com.atguigu.algorithm.hashmap; import java.util.LinkedHashMap; import java.util.Map; public class LRUCacheWithLinkedHashMap extends LinkedHashMap<Integer, Integer> { // 定义缓存容量 private int capacity; public LRUCacheWithLinkedHashMap(int capacity) { super(capacity, 0.75f, true); this.capacity = capacity; } // 访问数据的get方法 public int get(int key){ if (super.get(key) == null) return -1; return super.get(key); } // put方法 public void put(int key, int value){ super.put(key, value); } // 重写是否删除元素的方法 @Override protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) { return size() > capacity; } public static void main(String[] args) { LRUCacheWithLinkedHashMap lRUCache = new LRUCacheWithLinkedHashMap(2); lRUCache.put(1, 1); // 缓存是 {1=1} lRUCache.put(2, 2); // 缓存是 {1=1, 2=2} System.out.println(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} System.out.println(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} System.out.println(lRUCache.get(1)); // 返回 -1 (未找到) System.out.println(lRUCache.get(3)); // 返回 3 System.out.println(lRUCache.get(4)); // 返回 4 } }