Leetcode LRU缓存的java实现及解析
LRU是least recent used的缩写,顾名思义就是最近没有用过的元素,LRU缓存的知识还是大三的时候学系统的时候学到的,其实就是一种类似提高缓存使用率的方式。大家都直到缓存其实是很小的,但是速度却非常的快,怎么样决定缓存里面存储什么样的元素很直接地影响系统的效率,当我们需要调用一个文件的时候系统会先去缓存里面找,如果找到了就返回,如果没找到才会去其他的地方找。
LRU就是一种决定缓存内容的方式,也就是如果我们要放入缓存的内容大于缓存的容量,我们就把那个最不靠近当前使用的内容给丢弃,然后放入新的内容。其他的还有类似FIFO(First in first out)。而leetcode就是要我们来实现一个模拟的LRU的数据结构。我们可以使用一个双向链表和一个哈希表来解决这个问题,链表的尾部就是那个最近没有被使用过的元素了。让我们看看怎么实现的吧。
class LRU{
class Node{
Node prev;
Node next;
int key;
int val;
public Node(int key,int val){
this.key = key;
this.val = val;
}
}
class DList{
Node head;
Node tail;
public void push(Node n){
n.next = head;
n.prev = null;
if(head == null) tail = head;
head.prev = n;
head = n;
}
public void remove(Node n){
if(n == head)head = head.next;
if(n == tail)tail = tail.prev;
if(n.prev != null) n.next.prev = n.prev;
if(n.next != null) n.prev.next = n.next;
}
}
private Map<Integer,Node> cache = new HashMap<>();
private int cap;
private DList ddl = new DList();
public LRUCache(int capacity){
this.cap = capacity;
}
public int get(int key){
if(cache.containsKey(key){
Node n = cache.get(key);
ddl.remove(n);
ddl.push(n);
return n.val;
}
return -1;
}
public void put(int key, int value) {
if (cache.containsKey(key)) { // edge case
dll.remove(cache.get(key));
} else if (cache.size() >= capacity) {
Node lru = dll.tail;
cache.remove(lru.key);
dll.remove(lru);
}
Node n = new Node(key, value);
cache.put(key, n);
dll.push(n);
}
}
利用一个double linked list和一个哈希表就可以实现LRU缓存的机制了。