LRU缓存机制python实现

一、LRU介绍

LRU是Least Recently Used 的缩写，即“最近最少使用”，也就是说，LRU缓存把最近最少使用的数据移除，让给最新读取的数据。

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。

输入
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]

解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4

二、哈希表+双向链表

	数组	链表
读取	O（1）	O（n）
插入	O（n）	O（1）
删除	O（n）	O（1）

1. 在数组中元素是相邻存储的
2. 读取链表元素时，需要依次遍历
3. 对于能够立即访问的链表元素，插入和删除操作的运行时间为O(1)。

哈希表和双向链表的结合使得访问，插入和删除的运行时间都是O（1）

三、python代码

class DoubleLinkNode(object):
    def __init__(self,key=0,value=0):
        self.key=key  #哈希表的键，键所对应的值是双向链表的节点
        self.value=value #双向链表的元素
        self.next=None  #后继节点
        self.prev=None  #前驱节点
    
class LRUCache(object):
    def __init__(self,capacity):
        #存储的哈希表
        self.cache={}
        #存储的容量
        self.capacity=capacity
        #构造伪头节点和伪尾节点
        self.head=DoubleLinkNode()
        self.tail=DoubleLinkNode()
        self.head.next=self.tail
        self.tail.prev=self.head
        #当下存储的大小
        self.size=0

    def get(self,key):
        """读取操作"""
        if key not in self.cache:
        #key不存在于哈希表中
            return -1
        #key存在于哈希表中，获取所对应的节点，返回其值并添加至链表头部
        node=self.cache[key]
        self.moveTohead(node)
        return node.value
    

    def put(self,key,value):
        if key not in self.cache:
        #key不存在于哈希表中,生成新的节点
            node=DoubleLinkNode(key,value)
            #判断此时缓存的大小是否超过缓存的容量
            if self.size==self.capacity:
            #超过缓存的容量
                remove_node=self.removeTail() #删除尾部节点
                self.size-=1
                self.cache.pop(remove_node.key) #删除哈希表所对应的值
            #将键-值添加到哈希表中
            self.cache[key]=node
            #将节点添加至链表头部
            self.addToHead(node)
            self.size+=1
        else:
        #key存在于哈希表中,改变节点的值，并移至节点头部
            node=self.cache[key]
            node.value=value
            self.moveTohead(node)

    def addToHead(self,node):
        """把节点node添加至头节点"""
        node.next=self.head.next
        self.head.next.prev=node
        node.prev=self.head
        self.head.next=node
    
    def removeNode(self,node):
        """删除节点node"""
        node.prev.next=node.next
        node.next.prev=node.prev

    def removeTail(self):
        """删除尾部节点"""
        node=self.tail.prev
        self.removeNode(node)
        return node
    def moveTohead(self,node):
        self.removeNode(node)
        self.addToHead(node)