面试官：来了，老弟，LRU缓存实现一下?
我：直接LinkedHashMap就好了。
面试官：不要用现有的实现，自己实现一个。
我：.....
面试官：回去等消息吧....
大家好，我是程序员学长，今天我们来聊一聊LRU缓存的问题。
Tips: LRU在计算机软件中无处不在，希望大家一定要了解透彻。
问题描述
设计LRU(最近最少使用)缓存结构，该结构在构造时确定大小，假设大小为K，并有如下两个功能
1. set(key, value)：将记录(key, value)插入该结构
2. get(key)：返回key对应的value值
分析问题
根据问题描述，我们可以知道LRU缓存中包含两种操作，即Set和Get操作。
对于Set操作来说，分为两种情况。
- 如果缓存中已经存在。把缓存中对应的该元素移动到缓存头部。
- 如果缓存中不存在。把该元素添加到缓存头部。此时如果缓存的大小超过限制的大小，需要删除缓存中末尾的元素。
对于Get操作来说，也分为两种情况。
- 如果缓存中存在。把缓存中的该元素移动到缓存头部，并返回对应的value值。
- 如果缓存中不存在。直接返回-1。
综上所述：对于一个LRU缓存来说，主要包含以下三种操作。
- 查找一个元素。
- 在缓存末尾删除一个元素。
- 在缓存头部添加一个元素。
所以，我们最容易想到的就是使用一个链表来实现LRU缓存。我们可以维护一个有序的单链表，越靠近链表尾部的结点是越早访问的。当我们进行Set操作时，我们从链表头开始顺序遍历。遍历的结果有两种情况。
- 如果此数据已经在链表中，我们遍历得到这个数据对应的结点，然后将其从这个位置移动到链表的头部。
- 如果此数据不在链表中，又会分为两种情况。如果此时链表没有满，我们直接将该结点插入到链表头部。如果此时链表已经满了，我们从链表尾部删除一个结点，然后将新的数据结点插入到链表头部。
当我们进行Get操作时，我们从链表头开始顺序遍历。遍历的结果有两种情况。
- 如果此数据在链表中。我们遍历得到这个数据对应的结点，然后将其从这个位置移动到链表的头部，并返回这个结点对应的value。
- 如果此数据不在链表中。我们直接返回-1。
下面我们来看一下代码如何实现。
class LinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.next = None
class LRUCache():
def __init__(self, capacity: int):
# 使用伪头部节点
self.capacity=capacity
self.head = LinkedNode()
self.head.next=None
self.size = 0
def get(self, key: int) -> int:
cur=self.head.next
pre=self.head
while cur!=None:
if cur.key==key:
pre.next = cur.next
cur.next = self.head.next
self.head.next = cur
break
pre=pre.next
cur=cur.next
if cur!=None:
return cur.value
else:
return -1
def put(self, key: int, value: int) -> None:
cur = self.head.next
pre = self.head
#缓存没有元素，直接添加
if cur==None:
node = LinkedNode()
node.key = key
node.value = value
self.head.next = node
self.size = self.size + 1
return
#缓存有元素，判断是否存在于缓存中
while cur!=None:
#表示已经存在
if cur.key == key:
#把该元素反正链表头部
cur.value=value
pre.next = cur.next
cur.next = self.head.next
self.head.next = cur
break
#代表当前元素时最后一个元素
if cur.next==None:
#如果此时缓存已经满了，淘汰最后一个元素
if self.size==self.capacity:
pre.next=None
self.size=self.size-1
node=LinkedNode()
node.key=key
node.value=value
node.next=self.head.next
self.head.next=node
self.size=self.size+1
break
pre = pre.next
cur=cur.next
这样我们就用单链表实现了一个LRU缓存，我们接下来分析一下缓存访问的时间复杂度。对于Set来说，不管缓存有没有满，我们都需要遍历一遍链表，所以时间复杂度是O(n)。对于Get操作来说，也是需要遍历一遍链表，所以时间复杂度也是O(n)。
优化
从上面的分析，我们可以看到。如果用单链表来实现LRU，不论是Set还是Get操作，都需要遍历一遍链表，来查找当前元素是否存在于缓存中，时间复杂度为O（n），那我们可以优化吗？我们知道，使用hash表，我们查找元素的时间复杂度可以减低到O（1）,如果我们可以用hash表，来替代上述的查找操作，那不就可以减低时间复杂度吗?根据这个逻辑，所以我们采用hash表和链表的组合方式来实现一个高效的LRU缓存。
class LinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.cache = dict()
self.head = LinkedNode()
self.tail = LinkedNode()
self.head.next = self.tail
self.tail.prev = self.head
self.capacity = capacity
self.size = 0
def get(self, key: int):
#如果key不存在，直接返回-1
if key not in self.cache:
return -1
#通过hash表定位位置，然后删除，省去遍历查找过程
node = self.cache[key]
self.moveHead(node)
return node.value
def put(self, key: int, value: int) -> None:
if key not in self.cache:
# 如果key不存在，创建一个新的节点
node = LinkedNode(key, value)
# 添加进哈希表
self.cache[key] = node
self.addHead(node)
self.size += 1
if self.size > self.capacity:
# 如果超出容量，删除双向链表的尾部节点
removed = self.removeTail()
# 删除哈希表中对应的项
self.cache.pop(removed.key)
self.size -= 1
else:
node = self.cache[key]
node.value = value
self.moveHead(node)
def addHead(self, node):
node.prev = self.head
node.next = self.head.next
self.head.next.prev = node
self.head.next = node
def removeNode(self, node):
node.prev.next = node.next
node.next.prev = node.prev
def moveHead(self, node):
self.removeNode(node)
self.addHead(node)
def removeTail(self):
node = self.tail.prev
self.removeNode(node)
return node
总结
LRU缓存不论在工作中还是面试中，我们都会经常碰到。希望这篇文章能对你有所帮助。
你知道的越多，你的思维也就越开阔，我们下期再见。