LRU缓存机制-LeetCode

算法思想

链接: https://leetcode-cn.com/problems/lru-cache/.
题目中给予了两个函数，get和put函数，并且要求时间复杂度为O（1）。
put约束条件如下：
（1）关键字存在：变更数据。
（2）关键字不存在：判断缓存容量是否达到上限：达到了上限，则应该删除最久未使用的数据；未达上限，直接添加。
get约束条件如下：
如果关键字在缓存，获取该关键字的值，否则返回-1。

此题目要求的数据结构需要满足：查找快、插入、删除快且有顺序之分的特点。

• 查找快且时间复杂度为O（1），我们可以想到哈希表这种数据结构（可以看成“数组+链表 ”，类似c语言中“指针数组”）。具有查找快特点。

• 有顺序之分（用于区分最近使用和最久未使用的数据）、插入快、删除快我们可以想到链表这种数据结构。

于是结合两个数据结构我们可以得到一种新的数据结构：哈希链表。此题用这种数据结构就可解决。

代码

class LRUCache {
    private:
    int cap;
    list<pair<int,int>> _list; //声明一个由键值对组成的双向链表list
    unordered_map<int,list<pair<int,int>>::iterator> map; //hash表,map相当于数组+链表
public:
    LRUCache(int capacity) {
        this->cap=capacity;
    }
    
    int get(int key) {
        auto it=map.find(key);  //指向list的指针
        if(it==map.end()) return -1; //查到结尾没查到
        // key 存在，把 (k, v) 换到队头
        pair<int,int> kv=*map[key]; //创建list节点,map[key]即指向list结点的指针
        _list.erase(map[key]);  //删除节点
        _list.push_front(kv);   //插入节点
        // 更新 (key, value) 在 list 中的位置
        map[key]=_list.begin();
        return kv.second;
    }
    
    void put(int key, int value) {
         /* 要先判断 key 是否已经存在 */ 
        auto it=map.find(key);
        if(it==map.end()){
            /* key 不存在，判断 list 是否已满 */ 
            if(_list.size()==cap){
                // list 已满，删除尾部的键值对位置
                // list 和 map 中的数据都要删除
                auto lastPair =_list.back(); //指向链表尾部节点
                int lastKey=lastPair.first; //取出key值
                map.erase(lastKey);
                _list.pop_back();
            }
              // list 没满，可以直接添加 
            _list.push_front(make_pair(key,value)); //创建一个对组
            map[key]=_list.begin();
        }
        else{
             /* key 存在，更改 value 并换到队头 */
             _list.erase(map[key]);
             _list.push_front(make_pair(key,value));
             map[key]=_list.begin();
        }
    }
};

代码原作者：labuladong
转载链接: https://leetcode-cn.com/problems/lru-cache/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/