洋钱罐高频编程考题：LRU 缓存（中等）

题目描述

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：

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

解题思路

要实现一个满足 LRU (最近最少使用) 缓存约束的数据结构，可以使用 哈希表 配合 双向链表 来实现，能够在 O(1) 的时间复杂度下完成 get 和 put 操作。

1. 双向链表：

   链表用于按顺序存储缓存中的元素，头部节点为最近使用的节点，尾部节点为最久未使用的节点；每次访问缓存中的某个节点时，将该节点移动到链表头部；插入新节点时，将其插入到链表头部。如果缓存超出容量，移除链表尾部的节点。

2. 哈希表：

   哈希表用于存储缓存中每个键值对的地址（即链表节点的引用），以便在 O(1) 的时间内找到节点并进行移动或删除操作。

3. 实现步骤：

   get(key)：在哈希表中查找对应的节点。如果存在，将该节点移动到链表头部，并返回节点的值。如果不存在，返回 -1；put(key, value)：在哈希表中查找键对应的节点。如果存在，更新节点的值并将其移动到链表头部。如果不存在，创建新节点并插入链表头部。如果缓存超过容量，移除链表尾部的节点并从哈希表中删除对应的键。

代码实现

package org.zyf.javabasic.letcode.hot100.list;

import java.util.HashMap;

/**
 * @program: zyfboot-javabasic
 * @description: LRU 缓存（中等）
 * @author: zhangyanfeng
 * @create: 2024-08-22 10:38
 **/
public class LRUCache {
    private class Node {
        int key;
        int value;
        Node prev;
        Node next;

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

    private final int capacity;
    private final HashMap<Integer, Node> cache;
    private final Node head;
    private final Node tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();

        // 初始化头尾虚节点
        head = new Node(-1, -1);
        tail = new Node(-1, -1);
        head.next = tail;
        tail.prev = head;
    }

    public int get(int key) {
        if (!cache.containsKey(key)) {
            return -1;
        }
        // 移动访问的节点到头部
        Node node = cache.get(key);
        moveToHead(node);
        return node.value;
    }

    public void put(int key, int value) {
        if (cache.containsKey(key)) {
            Node node = cache.get(key);
            node.value = value;
            moveToHead(node);
        } else {
            if (cache.size() == capacity) {
                // 移除尾部节点
                Node tailPrev = tail.prev;
                removeNode(tailPrev);
                cache.remove(tailPrev.key);
            }
            // 插入新节点
            Node newNode = new Node(key, value);
            cache.put(key, newNode);
            addToHead(newNode);
        }
    }

    private void moveToHead(Node node) {
        removeNode(node);
        addToHead(node);
    }

    private void removeNode(Node node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    private void addToHead(Node node) {
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }
}

  具体可见：LeetCode 热题 100 回顾_leetcode热题100-CSDN博客