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?
解题思路
首先看到这道题想到使用字典来存储插入的元素,然后维护一个visit列表来表示访问元素的优先级,当put一个元素时,可以往visit列表insert(0,key),即在0处插入元素,但是调用get方法后,得先在visit列表种把这个元素删除后再insert到位置0处,这就比较麻烦了,而且还要对列表实行长度限制来满足最大容量。
看了别人得方法后,这题最佳方法是使用双向链表,并用一个哈希来存储键和值,这里值为链表的一个节点,put一个元素时,首先判断最大容量,如果超了,就先删除链表尾部的节点,再把待put的节点插入到双向链表的头部。调用get也是,首先产出链表种的节点,再把节点在头部插入,这里可以维护一个head和tail方便操作,代码和官方题解差不多
class DNode:
def __init__(self, key = 0, value = 0):
self.key = key
self.value = value
self.pre = None
self.next = None
class LRUCache(object):
def __init__(self, capacity):
self.cache = dict()
self.head = DNode()
self.tail = DNode()
self.head.next = self.tail
self.tail.pre = self.head
self.capacity = capacity
self.size = 0
def get(self, key):
if key not in self.cache:
return -1
node = self.cache[key]
self.moveToHead(node)
return node.value
def put(self, key, value):
if key not in self.cache:
node = DNode(key, value)
self.cache[key] = node
self.addToHead(node)
self.size += 1
if self.size > self.capacity:
removed = self.removeTail()
self.cache.pop(removed.key)
self.size -= 1
else:
node = self.cache[key]
node.value = value
self.moveToHead(node)
def moveToHead(self, node):
self.removeNode(node)
self.addToHead(node)
def addToHead(self, node):
node.pre = self.head
node.next = self.head.next
self.head.next.pre = node
self.head.next = node
def removeNode(self, node):
node.pre.next = node.next
node.next.pre = node.pre
def removeTail(self):
node = self.tail.pre
self.removeNode(node)
return node
cache = LRUCache(2)
cache.put(1, 1)
cache.put(2, 2)
cache.get(1)
cache.put(3, 3)
cache.put(4, 4)