Leetcode 146:LRU缓存机制[CPP][GO]

问题描述

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近最少使用的数据值，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:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得密钥 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得密钥 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

思路

分析上面的操作过程，要让 put 和 get 方法的时间复杂度为$ O(1)$，我们可以总结出 cache 这个数据结构必要的条件：查找快，插入快，删除快，有顺序之分。

因为显然 cache 必须有顺序之分，以区分最近使用的和久未使用的数据；而且我们要在 cache 中查找键是否已存在；如果容量满了要删除最后一个数据；每次访问还要把数据插入到队头。

那么，什么数据结构同时符合上述条件呢？哈希表查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢。所以结合一下，形成一种新的数据结构：哈希链表。

LRU 缓存算法的核心数据结构就是哈希链表，双向链表和哈希表的结合体。这个数据结构长这样：

思想很简单，就是借助哈希表赋予了链表快速查找的特性嘛：可以快速查找某个 key 是否存在缓存（链表）中，同时可以快速删除、添加节点。回想刚才的例子，这种数据结构是不是完美解决了 LRU 缓存的需求？

也许读者会问，为什么要是双向链表，单链表行不行？另外，既然哈希表中已经存了 key，为什么链表中还要存键值对呢，只存值不就行了？

想的时候都是问题，只有做的时候才有答案。这样设计的原因，必须等我们亲自实现 LRU 算法之后才能理解，所以我们开始看代码吧～

利用链表和哈希表的映射，达到高速缓存的作用；这里面设计建模，详情请看LRU建模解析

CPP

class LRUCache {
private:
    int _cap;
    // 双链表：装着 (key, value) 元组
    list<pair<int, int>> cache;
    // 哈希表：key 映射到 (key, value) 在 cache 中的位置
    unordered_map<int, list<pair<int, int>>::iterator> umap;
public:
   LRUCache(int capacity) {
        _cap = capacity;
        
    }
    
    int get(int key) {
        auto iter = umap.find(key);
        if(iter == umap.end())return -1;
        
        pair<int,int> kv = *umap[key];
        cache.erase(umap[key]);//改
        cache.push_front(kv);
        umap[key] = cache.begin();
        
        return kv.second;
    }
    
    void put(int key, int value) {
        auto iter = umap.find(key);
        if(iter != umap.end()){ //存在于缓存
            
            cache.erase(umap[key]);
            cache.push_front(make_pair(key,value));
            umap[key] = cache.begin(); 
            
            return;
        }
        
        
        //不在缓存中
        if(cache.size() == _cap) //满了
        {
            
            auto iter = cache.back();
            umap.erase(iter.first);
            cache.pop_back();
            
            cache.push_front(make_pair(key,value));
            umap[key] = cache.begin();
            
        }
        else                    //没满
        {
            cache.push_front(make_pair(key,value));
            umap[key] = cache.begin();
            
        }
    }
};

GO

type list struct{   //双向链表,用于保存key:value
    prev,next *list
    key,val int
}

type LRUCache struct {
    _len,_cap int
    front,back *list    //头尾指针
    umap map[int]*list  //hash表
}
  

func Constructor(capacity int) LRUCache {
    return LRUCache{
        _len : 0,
        _cap : capacity,
        front: nil,
        back : nil,
        umap : make(map[int]*list,capacity),
    }
}


func (this *LRUCache) Get(key int) int {
    if node,ok := this.umap[key];ok{  //存在
        
        this.push_front(node)
        return node.val
    }
    
    return -1
}


func (this *LRUCache) Put(key int, value int)  {
    if node,ok := this.umap[key];ok{ 
        node.val = value
        this.push_front(node)
        return 
    }
    
    //找不到
    if this._len == this._cap{
        delete(this.umap,this.back.key)
        this.pop_back()
    }else{
        this._len++
    }
    
    node := &list{
        prev:nil,
        next:nil,
        key:key,
        val:value,
    }
    
    this.umap[key] = node
    this.insert_front(node)  
}


func (this *LRUCache) push_front(node *list){
    switch node{    //先删除，再插入
    case this.front:
        return
    case this.back:
        this.pop_back()
    default:
        node.prev.next = node.next
        node.next.prev = node.prev
    }
    
    this.insert_front(node)
}

func (this *LRUCache) pop_back(){
    if this.back.prev != nil{ //链表长度大于1
        this.back.prev.next = nil
    }else{                      //链表长度小于等于1
        this.front = nil
    }
    
    this.back = this.back.prev
}


func (this *LRUCache)insert_front(node *list){
    if this.back == nil{
        //空表
        this.back = node
    }else{ //头插法
        node.next = this.front
        this.front.prev = node
    }
    
    this.front = node
}


/**
 * Your LRUCache object will be instantiated and called as such:
 * obj := Constructor(capacity);
 * param_1 := obj.Get(key);
 * obj.Put(key,value);
 */

我自己写的，用的是普通列表，寻找时间是$O(n)$，可以通过，但是很慢

class LRUCache {
public:
    LRUCache(int capacity) {
        _cap = capacity;
        _sz = 0;
    }
    
    int get(int key) {
        auto iter = umap.find(key);
        if(iter == umap.end())return -1;
               
        lst.remove(key);
        lst.push_front(key);
        
        return iter->second;
    }
    
    void put(int key, int value) {
        auto iter = umap.find(key);
        if(iter != umap.end()){
            umap[key] = value;
            
            lst.remove(key);
            lst.push_front(key);
        }
        else if(_sz == _cap)
        {
            auto iter = umap.find(lst.back());
            umap.erase(iter);
            umap[key] = value;
            
            lst.pop_back();
            lst.push_front(key);
            
        }
        else
        {
            _sz++;
            umap[key] = value;
            
            lst.push_front(key);
        }
    }
    
private:
    unordered_map<int,int> umap;//key,value
    list<int> lst;//最新排名
    int _cap;
    int _sz;
};

/**
 * 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);
 */