LRU缓存机制(lru-cache)
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) - 如果密钥 (key) 存在于缓存中,则获取密钥的值(总是正数),否则返回 -1。
写入数据 put(key, value) - 如果密钥不存在,则写入其数据值。当缓存容量达到上限时,它应该在写入新数据之前删除最近最少使用的数据值,从而为新的数据值留出空间。
进阶:
你是否可以在 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); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
java模板
需要实现构造函数,get方法,put方法。
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);
*/
实现
- 由于题目的时间复杂度要求 O(1)O(1),空间肯定不能省,存取数据时间性能最好的就是哈希表,因此底层的数据结构一定是一个哈希表;
- 根据题目意思,访问某个数据,时间优先级得提前,还有删除末尾结点的需求,这样的数据结构得在头尾访问数据最快,这种数据结构是「双向链表」;
- 「链表」结点需要记录:1、value,2、key(在哈希表里删除的时候用得上),3、前驱结点引用,4、后继结点引用。
思路来自liweiwei1419大神,感谢。
操作图
内部结构图
- 新数据插入到链表头部
- 每当缓存命中(即缓存数据被访问),则将数据移到链表头部
- 当链表满的时候,将链表尾部的数据丢弃
LRU Cache具备的操作:
- put(key,value):如果key在hashmap中存在,则先重置对应的value值,然后获取对应的节点cur,将cur节点从链表删除,并移动到链表的头部;若果key在hashmap不存在,则新建一个节点,并将节点放到链表的头部。当Cache存满的时候,将链表最后一个节点删除即可。
- get(key):如果key在hashmap中存在,则把对应的节点放到链表头部,并返回对应的value值;如果不存在,则返回-1。
伪代码模板与思路
package lfu_cache;
import java.util.HashMap;
import java.util.Map;
/**
* https://www.bilibili.com/video/BV1sb411v7Pt
*/
public class LFUCache3 {
class DLinkedNode {
int key;//思考,这里为什么要一个key
int value;
DLinkedNode prev;
DLinkedNode next;
}
//核心方法--必记
private void addNode(DLinkedNode node) {
//始终在head之后添加新节点
//一共四步
//先处理上层连接,---> node --->
//再处理下层连接,<--- node <---
}
//核心方法--必记
private void removeNode(DLinkedNode node){
//从链接列表中删除现有节点
//也是四步
//拿到node的前驱与后驱,再连接就可以了
}
//将节点移动到头部
private void moveToHead(DLinkedNode node){
//将中间的某个节点移到头部
//先移除节点,再加到前面,用上面两个核心方法就可以实现这个方法
}
//从链表中删除节点,超出容量时用到该方法
private DLinkedNode popTail() {
//通过虚拟的尾节点的前驱节点返回真正的尾节点,然后在链表中删除它
//还要刻返回给哈希表,让哈希表也进行一下移除操作
return res;
}
//==============================四个变量
//哈希表,提供o(1)的获取。
private Map<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
private int size;//当前数量
private int capacity;//容量
//双向链表,虚拟头结点,虚拟尾结点(没有尾结节,删除最后一个元素太慢,要的)
private DLinkedNode head, tail;//双端链表头,尾
//==============================
public LFUCache3(int capacity) {//初始化
this.size = 0;
this.capacity = capacity;
//虚拟头结点没有前驱
head = new DLinkedNode();//有点像一前一后两个哨兵
// head.prev = null;
//虚拟尾结点没有后继
tail = new DLinkedNode();
// tail.next = null;
head.next = tail;
tail.prev = head;
}
//获取数据
public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) return -1;
// 将访问的节点移动到头部
...
return node.value;
}
//数据放进去
//比较难,
//先判断非空,空,hash添加元素,双端链表添加元素,再判断是否超容,
//---------------超容了,获取链表尾的元素,移除,数量减减
//非空,更新值,并移动到头部。
public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if(node == null) {//为空,肯定是哈希表和双向链表都操作一下
...
if(size > capacity) {//超容,肯定是哈希表和双向链表都操作一下
// pop the tail
...
}
} else {//非空,说明有节点存在,肯定是哈希表和双向链表都操作一下
// update the value.
...
}
}
}
具体代码
import java.util.Hashtable;
public class LRUCache {
class DLinkedNode {
int key;//思考,这里为什么要一个key
int value;
DLinkedNode prev;
DLinkedNode next;
}
private void addNode(DLinkedNode node) {
/**
* Always add the new node right after head.
*/
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
private void removeNode(DLinkedNode node){
/**
* Remove an existing node from the linked list.
*/
DLinkedNode prev = node.prev;
DLinkedNode next = node.next;
prev.next = next;
next.prev = prev;
}
private void moveToHead(DLinkedNode node){
/**
* Move certain node in between to the head.
*/
removeNode(node);
addNode(node);
}
private DLinkedNode popTail() {
/**
* Pop the current tail.
*/
DLinkedNode res = tail.prev;
removeNode(res);
return res;
}
private Hashtable<Integer, DLinkedNode> cache =
new Hashtable<Integer, DLinkedNode>();
private int size;
private int capacity;
private DLinkedNode head, tail;
public LRUCache(int capacity) {
this.size = 0;
this.capacity = capacity;
head = new DLinkedNode();
// head.prev = null;
tail = new DLinkedNode();
// tail.next = null;
head.next = tail;
tail.prev = head;
}
public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) return -1;
// move the accessed node to the head;
moveToHead(node);
return node.value;
}
public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if(node == null) {
DLinkedNode newNode = new DLinkedNode();
newNode.key = key;
newNode.value = value;
cache.put(key, newNode);
addNode(newNode);
++size;
if(size > capacity) {
// pop the tail
DLinkedNode tail = popTail();
cache.remove(tail.key);
--size;
}
} else {
// update the value.
node.value = value;
moveToHead(node);
}
}
}
/**
* LRUCache 对象会以如下语句构造和调用:
* LRUCache obj = new LRUCache(capacity);
* int param_1 = obj.get(key);
* obj.put(key,value);
*/
如果要背这道题去面试,记住addNode方法
,removeNode方法
就行了。
注意了,这里的链表头尾是不存数据的,所以put操作是添加到头结节后面,超出容量执行remove操作是移除链表尾结点的前一个。
小总结
LRU缓存机制,是一个哈希表+双向链表的实现,不管是获取节点,还是把节点放进LRU缓存,均须考虑对哈希表和双向链表的操作。