146. LRU缓存机制

1.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，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:

2.思路

用一个哈希表保存key-value在双向链表中的位置，双向链表按使用顺序保存key-value，靠近头部的键值对是最近使用的，而靠近尾部的键值对是最久未使用的。
这样一来，首先使用哈希表进行定位，找出缓存项在双向链表中的位置，随后将其移动到双向链表的头部，即可在 O(1) 的时间内完成 get 或者 put 操作。具体的方法如下：
1.对于 get 操作，首先判断 key 是否存在：
（1）如果 key 不存在，则返回 −1；
（2）如果 key 存在，则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置，并将其移动到双向链表的头部，最后返回该节点的值。
2.对于 put 操作，首先判断 key 是否存在：
（1）如果 key 不存在，先判断双向链表的节点数是否超出容量，如果超出容量，则删除双向链表的尾部节点，并删除哈希表中对应的项；然后使用 key 和 value 创建一个新的节点，在双向链表的头部添加该节点，并将 key 和该节点添加进哈希表中。
（2）如果 key 存在，则与 get 操作类似，先通过哈希表定位，再将对应的节点的值更新为 value，并将该节点移到双向链表的头部。
上述各项操作中，访问哈希表的时间复杂度为 O(1)，在双向链表的头部添加节点、在双向链表的尾部删除节点的复杂度也为 O(1)。而将一个节点移到双向链表的头部，可以分成「删除该节点」和「在双向链表的头部添加节点」两步操作，都可以在 O(1) 时间内完成。

3.代码

class LRUCache {
public:
    LRUCache(int capacity) {
        this->cap = capacity;
    }
    
    int get(int key) {
        //判断key是否存在
        auto iter = m.find(key);
        if(iter == m.end()){
            return -1;
        }
        //key存在，把pair直接换到链表的头部
        pair<int, int> kv = *m[key];
        cache.erase(m[key]);
        cache.push_front(kv);
        m[key] = cache.begin();

        return kv.second;
    }
    
    void put(int key, int value) {
        //判断key是否存在
        auto iter = m.find(key);
        if(iter == m.end()){//如果不存在
            //判断cache是否已经满了
            if(cache.size() >= cap){//cache满了，删除链表尾部元素
                auto lastPair = cache.back();
                int lastKey = lastPair.first;
                m.erase(lastKey);
                cache.pop_back();
            }
            //cache没满，直接添加
            cache.push_front(make_pair(key, value));
            m[key] = cache.begin(); //更新key的位置
        }
        else{//key存在
            //更改value并放在链表的头部
            cache.erase(m[key]);
            cache.push_front(make_pair(key, value));
            m[key] = cache.begin();
        }
    }
private:
    int cap;
    list<pair<int, int>> cache;
    unordered_map<int, list<pair<int, int>>::iterator> m;
};

/**
 * 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);
 */

4.复杂度分析

时间复杂度：O(1)
空间复杂度：O(capacity)