LRU Leetcode 最近缓存机制

最新推荐文章于 2024-03-30 17:48:14 发布

knightprin

最新推荐文章于 2024-03-30 17:48:14 发布

阅读量113

点赞数

分类专栏：数据结构

本文链接：https://blog.csdn.net/knightprin/article/details/105341833

版权

本文介绍了如何设计和实现一个LRU（最近最少使用）缓存机制，重点在于利用哈希表和双向链表以实现O(1)的时间复杂度完成get和put操作。在空间受限时，该机制会删除最久未使用的数据。通过结合哈希表的快速查找和链表的顺序操作，解决了缓存优先级和删除的问题。文中还提及了C++的list结构，强调其在插入和删除操作上的优势。

摘要由CSDN通过智能技术生成

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久未使用的数据值，从而为新的数据值留出空间。

用O(1) 时间完成这两种操作。

思路：
获取和写入由于是O(1)操作，很自然的想到用哈希表。
但关键是保存访问优先的问题。如果有get，put操作，那么需要让这个优先级为1。
另外，如果超出空间限制，还需要删除。想到用链表解决。而删除想快的话，需要用双向链表。
那么，即采用哈希表+双向链表的数据结构。哈希表的value值为一个结点node，值得注意的是，在删除最后的结点时，也要在哈希表里删除，因此结点最好保存其key值，便于删除。
代码如下：

class LRUCache {
   

private:
    int cap;
    int current_size;

    struct node
    {
   
        int key;
        int val;
        node *prev;
        node *next;

        node(int x=-1, int y=-1):key(x), val(y), prev(nullptr), next(nullptr){
   }
    };


    unordered_map<int, node*> mapp;
    node *head;
    node *tail;

    void move_out(node *a)
    {
   
        a->prev->next = a->next;
        a->next->prev = a->prev;
    }

    void move_tohead(node *a)
    {
   
        a->next = head->next;
        a-