LRU 缓存
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
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 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
- 函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
示例1:
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
解题思路
LRU Cache是一种常见的缓存替换策略,可以采用哈希表和双向链表结合的方式实现。 哈希表用于快速查找节点,双向链表用于记录访问顺序。
- 1、使用HashMap来存储key和对应的节点。
- 2、使用双向链表来存储缓存的数据,链表头部是最近使用的数据,链表尾部是最久未使用的数据。
- 3、对于get操作,如果key存在于缓存中,将对应的节点移到链表头部,并返回value;否则返回-1。
- 4、对于put操作,如果key已经存在于缓存中,更新对应的value,并将节点移到链表头部;如果key不存在于缓存中,插入新的节点到链表头部,判断是否超过容量,若超过容量,删除链表尾部的节点。
- 5、删除节点时,需要同时在HashMap中删除对应的key。
java实现
public class LRUCache {
class DLinkedNode {
int key;
int value;
DLinkedNode prev;
DLinkedNode next;
}
private HashMap<Integer, DLinkedNode> cache;
private int size;
private int capacity;
private DLinkedNode head, tail;
public LRUCache(int capacity) {
this.cache = new HashMap<>();
this.size = 0;
this.capacity = capacity;
this.head = new DLinkedNode();
this.tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
}
public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) {
return -1;
}
// 将访问的节点移动到链表头部
moveToHead(node);
return node.value;
}
public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if (node == null) {
// 如果key不存在,则创建新节点
DLinkedNode newNode = new DLinkedNode();
newNode.key = key;
newNode.value = value;
// 将新节点加入到链表头部
cache.put(key, newNode);
addToHead(newNode);
size++;
// 如果容量超限,则删除链表尾部节点
if (size > capacity) {
DLinkedNode tail = removeTail();
cache.remove(tail.key);
size--;
}
} else {
// 如果key存在,则更新值,并将节点移到链表头部
node.value = value;
moveToHead(node);
}
}
private void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
private void removeNode(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
private void moveToHead(DLinkedNode node) {
removeNode(node);
addToHead(node);
}
private DLinkedNode removeTail() {
DLinkedNode res = tail.prev;
removeNode(res);
return res;
}
public static void main(String[] args) {
// 创建容量为 2 的LRU缓存
LRUCache lruCache = new LRUCache(2);
// 插入 (1, 1)
lruCache.put(1, 1);
// 插入 (2, 2)
lruCache.put(2, 2);
// 获取键 1 的值,返回 1
System.out.println(lruCache.get(1));
// 插入 (3, 3),因为缓存容量为 2,需要移除最久未使用的键 2
lruCache.put(3, 3);
// 获取键 2 的值,返回 -1,因为键 2 已经被移除
System.out.println(lruCache.get(2));
// 插入 (4, 4),因为缓存容量为 2,需要移除最久未使用的键 1
lruCache.put(4, 4);
// 获取键 1 的值,返回 -1,因为键 1 已经被移除
System.out.println(lruCache.get(1));
// 获取键 3 的值,返回 3
System.out.println(lruCache.get(3));
// 获取键 4 的值,返回 4
System.out.println(lruCache.get(4));
}
}
时间空间复杂度
- 时间复杂度:get和put操作均为O(1)的时间复杂度。
- 空间复杂度:O(capacity),存储哈希表和双向链表所需的空间