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。
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
缓存淘汰策略
全称是 Least Recently Used,也就是说我们认为最近使⽤过的数据应该是是「有⽤的」,很久都没⽤过的数据应该是⽆⽤的,内存满了就优先删那些很久没⽤过的数据
LRU 算法实际上是让你设计数据结构:⾸先要接收⼀个 capacity 参数作为缓存的最⼤容量,然后实现两个 API,⼀个是 put(key, val) ⽅法存⼊键值对,另⼀个是 get(key) ⽅法获取 key 对应的 val,如果 key 不存在则返回
-1。注意哦,get 和 put ⽅法必须都是 O(1) 的时间复杂度
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。
删除⼀个节点不光要得到该节点本⾝的指针,也需要操作其前驱节点的指针,⽽双向链表才能⽀持直接查找前驱,保证操作的时间复杂度O(1)
处理链表节点的同时不要忘了更新哈希表中对节点的映射
逻辑
// key 映射到 Node(key, val)
HashMap<Integer, Node> map;
// Node(k1, v1) <-> Node(k2, v2)...
DoubleList cache;
int get(int key) {
if (key 不存在) {
return -1;
} else {
将数据 (key, val) 提到开头;
return val;
}
}
void put(int key, int val) {
Node x = new Node(key, val);
if (key 已存在) {
把旧的数据删除;
将新节点 x 插⼊到开头;
} else {
if (cache 已满) {
删除链表的最后⼀个数据腾位置;
删除 map 中映射到该数据的键;
}
将新节点 x 插⼊到开头;
map 中新建 key 对新节点 x 的映射;
}
}
import java.util.HashMap;
//双向链表的节点类
class Node{
public int key, value;
public Node next, prev;
public Node(int k, int v){
this.key = k;
this.value = v;
}
}
//依靠Node类型构建一个双向链表,代表cache结构
class DoubleList {
private Node head, tail; //头尾虚节点
private int size; //链表元素数
public DoubleList(){
head = new Node(0,0);
tail = new Node(0,0);
head.next = tail;
tail.prev = head;
size = 0;
}
//链表操作的API
//在链表头部添加节点node,时间O(1)
public void addFirst(Node node){
node.next = head.next;
node.prev = head;
head.next.prev = node;
head.next = node;
size++;
}
//删除链表的node节点(node一定存在), 双向链表删除给定节点:时间O(1)
public void remove(Node node){
node.prev.next = node.next;
node.next.prev = node.prev;
size--;
}
//删除链表的最后一个节点,并返回该节点,时间O(1)
public Node removeLast(){
if(tail.prev == head){ // 空链表时
return null;
}
Node last = tail.prev;
return last;
}
//返回链表长度,时间O(1)
public int size(){
return size;
}
}
class LRUCache {
// key -> Node(key, val)
private HashMap<Integer, Node> map;
// Node(k1,v1) <-> Node(k2,v2)...
private DoubleList cache;
//最大容量
private int capacity;
public LRUCache(int capacity) {
this.capacity = capacity;
map = new HashMap<>();
cache = new DoubleList();
}
public int get(int key) {
if(!map.containsKey(key)){
return -1;
}else{
int value = map.get(key).value;
put(key, value);
return value;
}
}
public void put(int key, int value) {
//把新节点node做出来
Node node = new Node(key, value);
if(map.containsKey(key)){
//cache删除旧的节点,新的插到头部
cache.remove(map.get(key));
cache.addFirst(node);//-----------------------
//更新map中对应的数据(新节点node)
map.put(key, node);//------------------------
}else{
if(cache.size() == capacity){
//删除cache链表最后一个数据
Node last = cache.removeLast();
map.remove(last.key);
}
//直接添加到头部
cache.addFirst(node);//------------------------
map.put(key, node);//------------------------
}
}
}
/**
* 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);
*/
leecode提交没通过,可能是put的地方,下次看官方解答是怎么做的