题目：
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
思路：
定义双向链表 DLinkedNode*
定义哈希表 <key,DLinkedNode*>
添加方法
int get(int key) {
if(key不存在){
return -1;
}
key 存在
先通过哈希表定位
再移到头部
返回该值
}
void put(int key, int value) {
if(key不存在) {
创建一个新的节点
将节点添加到头部
更新哈希表
长度加一
if(添加后长度越界){
删除尾结点并返回该节点
在哈希表中清除该节点
长度减一
}
}else{
key 存在
先通过哈希表定位
再修改 value
移到头部
}
复杂度分析
C++代码
struct DLinkedNode{
int key, value;
DLinkedNode* prev;
DLinkedNode* next;
DLinkedNode(): key(0),value(0),prev(nullptr),next(nullptr) {}
DLinkedNode(int key, int value): key(key),value(value),prev(nullptr),next(nullptr) {}
};
class LRUCache {
private:
unordered_map<int, DLinkedNode*> cache;
DLinkedNode* head;
DLinkedNode* tail;
int size;
int capacity;
public:
LRUCache(int capacity) {
head = new DLinkedNode();
tail = new DLinkedNode();
head->next = tail;
tail->prev = head;
this->capacity = capacity;
size = 0;
}
int get(int key) {
if(!cache.count(key)){
return -1;
}
DLinkedNode* node = cache[key];
removedNode(node);
addToHead(node);
return node->value;
}
void put(int key, int value) {
if(!cache.count(key)) {
DLinkedNode* node = new DLinkedNode(key, value);
addToHead(node);
cache[key] = node;
size++;
if(size > capacity) {
DLinkedNode* removed = removedTail();
cache.erase(removed->key);
size--;
}
}else{
DLinkedNode* node = cache[key];
node->value = value;
removedNode(node);
addToHead(node);
}
}
void removedNode(DLinkedNode* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
void addToHead(DLinkedNode* node) {
node->prev = head;
node->next = head->next;
head->next->prev = node;
head->next = node;
}
DLinkedNode* removedTail() {
DLinkedNode* node = tail->prev;
removedNode(node);
return node;
}
};
Java代码
public class LRUCache {
class DLinkedNode{
int key, value;
DLinkedNode prev;
DLinkedNode next;
DLinkedNode() {}
DLinkedNode(int key, int value){
this.key = key;
this.value = value;
}
}
private Map<Integer,DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
private DLinkedNode head;
private DLinkedNode tail;
private int size;
private int capacity;
public LRUCache(int capacity) {
head = new DLinkedNode();
tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
this.capacity = capacity;
size = 0;
}
public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) {
return -1;
}
removedNode(node);
addToHead(node);
return node.value;
}
public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if (node == null) {
DLinkedNode newNode = new DLinkedNode(key, value);
cache.put(key, newNode);
addToHead(newNode);
++size;
if (size > capacity) {
DLinkedNode tail = removedTail();
cache.remove(tail.key);
--size;
}
}
else {
node.value = value;
removedNode(node);
addToHead(node);
}
}
private void removedNode(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
private void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
private DLinkedNode removedTail() {
DLinkedNode node = tail.prev;
removedNode(node);
return node;
}
}
|