LRU缓存机制
描述
中等
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)
- 如果关键字 (key) 存在于缓存中,则获取关键字的值(总是正数),否则返回 -1。
写入数据 put(key, 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。
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); // 该操作会使得关键字 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得关键字 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
解题
LRU规则
- 读取,如果key存在于缓存中,读取对应的value,并将改key设为最新处理的数据
- 写入
- 读取,如果key存在于缓存中,覆盖写入对应的value,并将key设为最新处理的数据
- 如果key不存在于缓存中,将该key-value添加至缓存,设为最新的数据
- 如果此时总的数据量大于最大缓存容量,删除最旧的数据
使用双向链表表示缓存,其节点包括前向后向指针和key-value
使用字典保存节点信息,其key为节点的key,其value为整个节点,便于O(1)
定位节点
首先建立额外的两个头尾节点便于操作
越靠近头节点的节点表示为越新的数据
class DLinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.pre = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.size = 0 # 现有数据数
self.cache = {}
self.head = DLinkedNode()
self.tail = DLinkedNode()
self.head.next = self.tail
self.tail.pre = self.head
def get(self, key: int) -> int:
if key not in self.cache:
return -1
node = self.cache[key]
self.move2head(node)
return node.value
def put(self, key: int, value: int) -> None:
if key in self.cache:
node = self.cache[key]
node.value = value
self.move2head(node)
else:
node = DLinkedNode(key, value)
self.add2head(node)
self.cache[key] = node
self.size += 1
# 如果大于最大容量,删除最旧数据
if self.size > self.capacity:
removed_node = self.remove_tail()
self.cache.pop(removed_node.key)
self.size -= 1
# 将节点移动至头节点后一位位置,表示为最新操作数据
def move2head(self, node):
self.remove(node)
self.add2head(node)
# 删除节点
def remove(self, node):
node.pre.next = node.next
node.next.pre = node.pre
# 头节点后添加节点
def add2head(self, node):
self.head.next.pre = node
node.next = self.head.next
node.pre = self.head
self.head.next = node
# 删除尾部的前一个节点,表示为删除最旧操作数据
def remove_tail(self):
node = self.tail.pre
self.remove(node)
return node