146. LRU 缓存

文章介绍了如何使用双向链表和哈希表来设计一个满足LRU(最近最少使用)策略的缓存系统。在该系统中,当缓存容量达到上限时,最久未使用的项将被移除。get和put操作的时间复杂度要求为O(1),通过维护一个链表来追踪访问顺序,并利用哈希表快速查找节点。当访问或更新键时,相应节点会被移动到链表头部。
摘要由CSDN通过智能技术生成

请你设计并实现一个满足  LRU (最近最少使用) 缓存 约束的数据结构。
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 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例:

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
 

提示:

1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put

解题思路

  1. 双向链表+哈希表解题
  2. 双向链表存放 key和value,哈希表存放key对应双向链表的地址
  3. 当哈希表的key被更新或者被访问时,就要把该key对应双向链表的节点移到表头,只有双向指针才可以把移除节点后的表拼接回来,表尾指向最久未被更新或访问的节点,当容量不足时要把表尾节点删除,同时注意删除哈希表的元素
  4. 注意哈希表元素为一个的时候,访问该元素时,不需要改变其在链表的位置,因为只有一个节点
  5. 把节点移到链表表头时,有三种情况,1是该节点是表头,2是该节点是表尾,3是该节点既不是表头也不是表尾
  6. 注意当更新的是已经存在的key时,就不需要考虑容量满的问题,因为只是value覆盖而key还是原来的key
class LinkNode{
    int key;
    int val;
    LinkNode next;
    LinkNode font;
    public LinkNode(int key,int val){
        this.val=val;
        this.key=key;
    }
}
class LRUCache {
    private int capacity;
    private Map<Integer,LinkNode> map;
    private LinkNode head;
    private LinkNode tail;
    public LRUCache(int capacity) {
        this.capacity=capacity;
        this.map=new HashMap<>();
    }
    public int get(int key) {
        LinkNode current=map.get(key);
        if(current==null)
            return -1;
            Integer i=current.val;
        if(map.size()!=1&&current==tail){
            LinkNode t=tail;
            tail=tail.font;
            tail.next=null;
            t.next=head;
            head.font=t;
            t.font=null;
            head=t;
        }else if(map.size()!=1&&current!=head){
           LinkNode t= current;
           current.font.next=current.next;
           current.next.font=current.font;
           t.next=head;
            head.font=t;
            t.font=null;
            head=t;
        }
        
        return i;
    }
    public void put(int key, int value) {
        if(!map.containsKey(key)){
            if(this.capacity==map.size()){
                if(map.size()==1){
                    int key1=tail.key;
                    map.remove(key1);
                    head=null;
                    tail=null;
                }else{
                    int key1=tail.key;
                    tail=tail.font;
                    tail.next=null;
                    map.remove(key1);
                }
            }
                if(head==null){
                    head=new LinkNode(key,value);
                    head.next=null;
                    head.font=null;
                    map.put(key,head);
                    tail=head;
                }else{
                    LinkNode t=head;
                    LinkNode c=new LinkNode(key,value);
                    map.put(key,c);
                    head=c;
                    c.next=t;
                    t.font=c;
                    c.font=null;
                    if(t==tail){
                        tail=t;
                        tail.next=null;
                    }
                }
        }else{
            LinkNode linkNode = map.get(key);
            linkNode.val=value;
             if(map.size()!=1&&linkNode==tail){
                LinkNode t=tail;
                tail=tail.font;
                tail.next=null;
                t.next=head;
                head.font=t;
                t.font=null;
                head=t;
            }else if(map.size()!=1&&linkNode!=head){
                LinkNode t= linkNode;
                linkNode.font.next=linkNode.next;
                linkNode.next.font=linkNode.font;
                t.next=head;
                head.font=t;
                t.font=null;
                head=t;
            }
        }
       
    }
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
解法1:使用有序字典(OrderedDict) 思路: 1. 使用一个有序字典来存储缓存的键值对,有序字典可以保持插入顺序。 2. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除有序字典的第一个元素。 3. 当访问一个已存在的键值对时,需要将该键值对移动到有序字典的末尾,表示最近使用过。 实现: 1. 初始化时,设定缓存容量,创建一个空的有序字典。 2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对移动到有序字典的末尾。 3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对移动到有序字典的末尾;若键不存在,则插入该键值对,并将该键值对移动到有序字典的末尾。若插入后缓存超出容量,则删除有序字典的第一个元素。 代码实现如下: ```python from collections import OrderedDict class LRUCache: def __init__(self, capacity: int): self.capacity = capacity self.cache = OrderedDict() def get(self, key: int) -> int: if key in self.cache: self.cache.move_to_end(key) return self.cache[key] return -1 def put(self, key: int, value: int) -> None: if key in self.cache: del self.cache[key] self.cache[key] = value if len(self.cache) > self.capacity: self.cache.popitem(last=False) ``` 复杂度分析: - 时间复杂度:对于get和put操作,有序字典的删除和插入操作的时间复杂度都是O(1),因此 get和put操作的时间复杂度均为O(1)。 - 空间复杂度:使用了一个有序字典来存储键值对,因此空间复杂度为O(N),其中N为缓存的容量。 解法2:使用哈希表和双向链表 思路: 1. 使用一个哈希表来存储缓存的键值对,哈希表的键为缓存的键,值为双向链表中对应节点的指针。 2. 使用一个双向链表来存储缓存的键值对,链表的每个节点包括键、值和前后指针。 3. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除双向链表的头节点,同时从哈希表中删除该键。 4. 当访问一个已存在的键值对时,需要将该键值对对应的节点移动到双向链表的尾部,表示最近使用过。 实现: 1. 初始化时,设定缓存容量,创建一个空的哈希表和双向链表。 2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对对应的节点移动到双向链表的尾部。 3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对对应的节点移动到双向链表的尾部;若键不存在,则插入该键值对对应的节点到双向链表的尾部,并在哈希表中添加该键值对。若插入后缓存超出容量,则删除双向链表的头节点,并从哈希表中删除对应键。 代码实现如下: ```python class DLinkedNode: def __init__(self, key=0, value=0): self.key = key self.value = value self.prev = None self.next = None class LRUCache: def __init__(self, capacity: int): self.capacity = capacity self.cache = dict() self.head = DLinkedNode() self.tail = DLinkedNode() self.head.next = self.tail self.tail.prev = self.head def get(self, key: int) -> int: if key in self.cache: node = self.cache[key] self.moveToTail(node) return node.value return -1 def put(self, key: int, value: int) -> None: if key in self.cache: node = self.cache[key] node.value = value self.moveToTail(node) else: if len(self.cache) >= self.capacity: self.removeLRU() node = DLinkedNode(key, value) self.cache[key] = node self.addToTail(node) def moveToTail(self, node: DLinkedNode) -> None: self.removeNode(node) self.addToTail(node) def removeNode(self, node: DLinkedNode) -> None: node.prev.next = node.next node.next.prev = node.prev def addToTail(self, node: DLinkedNode) -> None: node.prev = self.tail.prev node.next = self.tail self.tail.prev.next = node self.tail.prev = node def removeLRU(self) -> None: lruNode = self.head.next self.removeNode(lruNode) del self.cache[lruNode.key] ``` 复杂度分析: - 时间复杂度:对于get和put操作,哈希表的查找和删除操作的时间复杂度都是O(1),双向链表的插入和删除操作的时间复杂度也是O(1),因此 get和put操作的时间复杂度均为O(1)。 - 空间复杂度:哈希表和双向链表分别需要存储所有键值对和节点,因此空间复杂度为O(N),其中N为缓存的容量。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值