题目描述
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:
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:
1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解题思路
题目要求O(1)的时间复杂度,查询速度O(1)我们能想到的只有数组和HashMap,而数组的删除速度一般情况O(n)(元素位移),剩下只有一个HashMap了,而我们要记录元素最近访问,因此,我们可能还涉及到顺序,而HashMap不能保证元素的顺序,有序且删除O(1)的我们就能很快想到链表,因此,我们可以使用HashMap的查询速度快+有序且删除速度快的链表。
这里面主要就是几个方法,我就直接把每个方法的说明写在注释。
代码实现
class LRUCache {
class DLinkedNode {
int key;
int value;
DLinkedNode prev;
DLinkedNode next;
public DLinkedNode() {}
DLinkedNode(int key,int value) {
this.key = key;
this.value = value;
}
}
//用于存储元素的key和node
Map<Integer,DLinkedNode> map;
//双链表的头节点和尾节点
DLinkedNode head;
DLinkedNode tail;
//容量和当前链表的元素数量
int capacity;
int size;
//初始化
public LRUCache(int capacity) {
this.capacity = capacity;
head = new DLinkedNode();
tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
map = new HashMap<>();
}
//获取元素
public int get(int key) {
//从map中获取元素
DLinkedNode node = map.get(key);
if(node == null) return -1;
//获取到元素以后,该元素刚刚使用,所以将该节点移动到头部
moveToHead(node);
return node.value;
}
//获取或更新元素
public void put(int key, int value) {
DLinkedNode node = map.get(key);
//如果获取不到元素,则存储元素
if(node == null) {
//如果现在容量已满
if(size == capacity) {
//删除最后一个元素
DLinkedNode tail = removeTail();
map.remove(tail.key);
size--;
}
//新建元素
DLinkedNode newNode = new DLinkedNode(key,value);
//将元素添加到map并且将元素添加到头部
map.put(key,newNode);
addToHead(newNode);
size++;
} else {
//如果该元素已存在,则表示更新该元素
node.value = value;
moveToHead(node);
}
}
//将元素移至头部
public void moveToHead(DLinkedNode node) {
remove(node);
addToHead(node);
}
//删除元素
public void remove(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
//将元素添加到头部
public void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
//移除尾部元素
public DLinkedNode removeTail() {
DLinkedNode res = tail.prev;
remove(res);
return res;
}
}