LRU LeetCode

一、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 。

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，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？

提示：

1 <= capacity <= 3000

0 <= key <= 10000

0 <= value <= 105

最多调用 2 * 10^5 次 get 和 put

二、解题思路

实现本题的两种操作，需要用到一个哈希表和一个双向链表。在 Python 语言中，有一种结合了哈希表与双向链表的数据结构 OrderedDict，只需要短短的几行代码就可以完成本题。

在 Java 语言中，同样有类似的数据结构

LinkedHashMap。

三、代码

1、Python

class LRUCache(collections.OrderedDict):     def __init__(self, capacity: int):        super().__init__()        self.capacity = capacity      def get(self, key: int) -> int:        if key not in self:            return -1        self.move_to_end(key)        return self[key]     def put(self, key: int, value: int) -> None:        if key in self:            self.move_to_end(key)        self[key] = value        if len(self) > self.capacity:            self.popitem(last=False)

2、Java

class LRUCache extends LinkedHashMap<Integer, Integer>{    private int capacity;        public LRUCache(int capacity) {        super(capacity, 0.75F, true);        this.capacity = capacity;    }     public int get(int key) {        return super.getOrDefault(key, -1);    }     public void put(int key, int value) {        super.put(key, value);    }     @Override    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {        return size() > capacity;     }}

三、复杂度分析

时间复杂度：对于 put 和 get 都是 O(1)。

空间复杂度：O(capacity)，因为哈希表和双向链表最多存储 capacity+1 个元素。