leetcode-146 LRU缓存机制(Medium)

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。它应该支持以下操作: 获取数据 get 和 写入数据 put

获取数据 get(key) - 如果关键字 (key) 存在于缓存中,则获取关键字的值(总是正数),否则返回 -1

写入数据 put(key, 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(最久未获取/未更新),从而为新的数据值留出空间。

你是否可以在 O ( 1 ) O(1) O(1) 时间复杂度内完成这两种操作?

示例:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得关键字 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得关键字 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

给定代码

class LRUCache {
	public LRUCache(int capacity) {

	}

	public int get(int key) {

	}

	public void put(int key, int value) {

	}
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache obj = new LRUCache(capacity);
 * int param_1 = obj.get(key);
 * obj.put(key,value);
 */

思路

题目要求所有操作都是 O ( 1 ) O(1) O(1)的复杂度。
这里不妨一个一个分析,键值对的getput要达到 O ( 1 ) O(1) O(1)的复杂度,那只有依赖HashMap了。

但是,单单使用HashMap无法维护最久未访问的节点,还需要其他的数据结构来辅助。

所以考虑一下,用数组行吗?哈希表的key保存value保存数组的下标,然后数组中保存
数组的头为最久未使用的,尾为最活跃的。

当有新值加入时,将新值放到数组末尾。获取值时,直接map.get(key)获取数组的下标,然后获取对应下标的值。这样的确可以实现putget O ( 1 ) O(1) O(1)复杂度。

但数组中间有节点被访问时,该节点要变为活跃状态,也就是要移到数组尾,这个操作会让其后的所有节点前移,复杂度达到 O ( n ) O(n) O(n)了。所以数组在移动节点方面就力不从心了。


那么用链表行不行?总所周知,链表的节点移动是 O ( 1 ) O(1) O(1)复杂度的。很容易能够将节点移到链表末尾。

当要将一个节点变活跃时,首先定位到这个节点,再才能将它放到末尾。
如果用数组,能通过数组的下标来定位到目标节点的位置。但是链表不支持随机访问,所以不能用下标了。

那如何将哈希表中的value区域保存链表中节点的位置?Java又没有C++的指针,那么只能定义一个节点类来封装数据了。哈希表记录这个节点的引用。就能达到直接访问的效果了。

class ListNode {
	int key;
	int value;
	ListNode next;
	ListNode previous;

	public ListNode(int key, int value)
	{
		this.key = key;
		this.value = value;
	}
}

题解一

利用Java自带的LinkedHashMap可以快速解决问题。
灵感来自LinkedHashMap在不同排序方式下的遍历

class LRUCache {
    class MyCache<K, V> extends LinkedHashMap<K, V>
	{
        int capacity;

        public MyCache(int capacity)
        {
            super(capacity * 2, 0.75f, true);
            this.capacity = capacity;
        }

		@Override
		protected boolean removeEldestEntry(Map.Entry<K, V> eldest)
		{
			return size() > capacity;
		}
	}

    MyCache<Integer, Integer> cache;

    public LRUCache(int capacity) {
        this.cache = new MyCache<>(capacity);
    }
    
    public int get(int key) {
        return cache.getOrDefault(key, -1);
    }
    
    public void put(int key, int value) {
        cache.put(key, value);
    }
}

显然这不是面试官想看到的结果(竞赛当然这么搞)。

题解二

思路的实现版本。手动实现双向链表的各项操作。

  • 当新节点put时,在链表末尾添加该节点,同时在哈希表中记录节点位置。
  • 当节点被get时,将该节点从链表中删除,然后添加到链表末尾(变活跃)。
  • 当节点数量满了,删除链表首部节点

所以要封装一个addLast方法和deleteNode方法,分别代表添加节点到末尾、在链表和哈希表中删除指定节点。

头、尾节点的设置存粹为了减少边界值的判断。让代码可读性提高。

class LRUCache {
    class ListNode {
		int key;
		int value;
		ListNode next;
		ListNode previous;

		public ListNode(int key, int value)
		{
			this.key = key;
			this.value = value;
		}
	}

	// 最大容量
	private int length;
	// 头节点,其值无实际意义
	private ListNode start = new ListNode(0, 0);
	// 尾节点,其值无实际意义
	private ListNode end = new ListNode(0, 0);
	private HashMap<Integer, ListNode> kv = new HashMap<>();

	public LRUCache(int capacity) {
		// 头尾绑定
		start.next = end;
		end.previous = start;
		// 设置最大容量
		length = capacity;
	}

	public int get(int key) {
		ListNode node = kv.get(key);
		if (node == null) {
			// 未获取到指定值
			return -1;
		} else {
			// 获取到了指定值
			// 将指定值节点从链表中删除、并添加到链表末尾
			deleteNode(node);
			addLast(node);
			return node.value;
		}
	}

	public void put(int key, int value) {
		// 如包含值,直接更新
		if (kv.containsKey(key)) {
			ListNode tmp = kv.get(key);
			tmp.value = value;
			// 将更新后的的节点从链表中删除、并添加到链表末尾
			deleteNode(tmp);
			addLast(tmp);
			return;
		}

		if (kv.size() >= length) {
			// 如果节点数量满了,删除最左的节点
			deleteNode(start.next);
		}
		addLast(new ListNode(key, value));
	}

	// 将值添加到链表尾部,维护其左右的节点指向
	private void addLast(ListNode node)
	{
		ListNode pre = end.previous;
		pre.next = node;
		node.previous = pre;
		end.previous = node;
		node.next = end;
		kv.put(node.key, node);
	}
	
	// 删除指定节点,维护其左右的节点指向。
	private void deleteNode(ListNode delete)
	{
		ListNode pre = delete.previous, nex = delete.next;
		pre.next = nex;
		nex.previous = pre;
		kv.remove(delete.key);
	}
}

两种题解的时间复杂度都为 O ( 1 ) O(1) O(1)

两种题解的空间复杂度都为 O ( n ) O(n) O(n)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值