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get
和put
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
保存键、value
保存数组的下标,然后数组中保存值?
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put
和get
的
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)。