高频3. LRU缓存实现 及其变形题的各种解法 Java codetop

题目描述

LRU缓存
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

各种解法

原始解法：双向链表+哈希表

// 双向链表的Node，既含有key，又含有value
class Node{
  public int key, val;
  public Node next, prev;
  public Node(int k, int v){
      this.key = k;
      this.val = v;
  }
}
// 双向链表
class DoubleList{
    private Node head, tail;
    private int size;
    public DoubleList(){
        // 虚拟节点
        head = new Node(0,0);
        tail = new Node(0,0);
        head.next = tail;
        tail.prev = head;
        size = 0;
    }
    // 最后的是新添加的
    public void addLast(Node x){
        x.prev = tail.prev;
        x.next = tail;
        tail.prev.next = x;
        tail.prev = x;
        size++;
    }
    // 删除特定节点
    public void remove(Node x){
        x.prev.next = x.next;
        x.next.prev = x.prev;
        size--;
    }
    // 删除第一个节点
    public Node removeFirst(){
        if(head.next == tail){
            return null;
        }
        Node first = head.next;
        remove(first);
        return first;
    }
    public int size(){
        return size;
    }
}
public class LRUCache {
    private HashMap<Integer, Node> map;
    private DoubleList cache;
    private int cap;
    
    public LRUCache(int capacity){
        this.cap = capacity;
        map = new HashMap<>();
        cache = new DoubleList();
    }
    // 获取key的值，并且因为对该key有操作，要使之最近使用,O(1)
    public int get(int key){
        if(!map.containsKey(key)){
            return -1;
        }
        makeRecently(key);
        return map.get(key).val;
    }
    // 添加一个节点
    // 如果已经存在，删除节点，添加并且使之最近使用
    // 如果容量已经最大，把最近最少使用的删除
    public void put(int key, int val){
        if(map.containsKey(key)){
            deleteKey(key);
            addRencently(key,val);
            return;
        }
        if(cap == cache.size()){
            removeLeastRecently();
        }
        addRencently(key,val);
    }
    // 使得该key最近，最后的是最近的
    private void makeRecently(int key){
        Node x = map.get(key);
        cache.remove(x);
        cache.addLast(x);
        map.put(key,x);
    }
    // 如果之前没有，就直接添加到最后
    private void addRencently(int key, int val){
        Node x = new Node(key, val);
        cache.addLast(x);
        map.put(key,x);
    }
    // 删除该key
    private void deleteKey(int key){
        Node x = map.get(key);
        cache.remove(x);
        map.remove(key);
    }
    // 删除最近最少使用的，也就是头结点，容量限制，先删它
    private void removeLeastRecently(){
        Node deleteNode = cache.removeFirst();
        int deleteKey = deleteNode.key;
        map.remove(deleteKey);
    }
}

解题思路：LRU逻辑

• 添加元素：
  • key已有，改变该key的value，放到最近（链表最后）
  • 新的key
    • 未满，添加到最近
    • 满了，删除最近最少使用的（链表最开头），新key添加到最后
• 获取元素：获取，然后把节点放到最近
• 删除元素：删除最近最少使用的 或者 删除特定的

2个问题

1. 为什么使用双向链表，单链表行不行？
   答： 删除中间的节点的时候，需要将 pre 和 next 相连，单链表还得去找他的 pre ，不可能O(1)
2. 哈希表中已经存了key，为什么链表中还要存键值对，只存值不行吗？
   答： 双向链表可以保持次序，hashmap可以做到快速查找。所以在删除不常使用的元素时，是删除双向链表中的元素，与此同时需要更新hashmap。更新的方式，就是通过被删除节点的key来找到hashmap中的key，从而删除hashmap中的键。所以双向链表中的节点不仅仅需要值，还需要键对应到hashmap上的键。

双向哈希链表LinkedHashMap

双向哈希链表是一种天然的双向链表+哈希表的集合类。元素的次序是保持插入的顺序。

class LRUCache {
    int cap;
    LinkedHashMap<Integer, Integer> cache = new LinkedHashMap<>();
    public LRUCache(int capacity) { 
        this.cap = capacity;
    }
    
    public int get(int key) {
        if (!cache.containsKey(key)) {
            return -1;
        }
        // 将 key 变为最近使用
        makeRecently(key);
        return cache.get(key);
    }
    
    public void put(int key, int val) {
        if (cache.containsKey(key)) {
            // 修改 key 的值
            cache.put(key, val);
            // 将 key 变为最近使用
            makeRecently(key);
            return;
        }
        
        if (cache.size() >= this.cap) {
            // 链表头部就是最久未使用的 key
            int oldestKey = cache.keySet().iterator().next();
            cache.remove(oldestKey);
        }
        // 将新的 key 添加链表尾部
        cache.put(key, val);
    }
    
    private void makeRecently(int key) {
        int val = cache.get(key);
        // 删除 key，重新插入到队尾
        cache.remove(key);
        cache.put(key, val);
    }
}

变形题及其解法

1. LFU缓存实现

LRU是最近最少使用，LFU是最不常用（按照使用频率排序）

class LFUCache {
    // 维护kv表，kf表，fk表
    // 键和值，键和频率，频率和键 共3张表
    // 设置容量和需要删除的最小频率
    public int capacity; //容量
    public int mincapacity;
    public HashMap<Integer, Integer> keyToValue;
    public HashMap<Integer, Integer> keyToFreq;
    public HashMap<Integer, LinkedHashSet<Integer>> freqToKeys;
    public LFUCache(int capacity) {
        this.capacity = capacity;
        mincapacity = 0;
        keyToValue = new HashMap<>();
        keyToFreq = new HashMap<>();
        freqToKeys = new HashMap<>();
    }
    // 获取元素
    public int get(int key) {
        // 要获取某个key，对应的三张表应该进行更新
        if(!keyToValue.containsKey(key)){
            return -1;
        }
        increaseFreq(key);
        return keyToValue.get(key);
    }
    // 添加元素
    public void put(int key, int value) {
        if(this.capacity<=0) return;
        if(keyToValue.containsKey(key)){
            keyToValue.put(key,value);
            increaseFreq(key);
            return;
        }
        if(this.capacity<=keyToValue.size()){
            removeMinFreqKey();
        }
        // 更新各张表
        keyToValue.put(key,value);
        keyToFreq.put(key,1);
        // 如果没有该频率则添加
        freqToKeys.putIfAbsent(1,new LinkedHashSet<>());
        freqToKeys.get(1).add(key);
        this.mincapacity = 1;
    }
    private void increaseFreq(int key){
        int freq = keyToFreq.get(key);
        keyToFreq.put(key,freq+1);
        freqToKeys.get(freq).remove(key);
        freqToKeys.putIfAbsent(freq+1,new LinkedHashSet<>());
        freqToKeys.get(freq+1).add(key);
        if(freqToKeys.get(freq).isEmpty()){
            freqToKeys.remove(freq);
            if(freq==this.mincapacity){
                this.mincapacity++;
            }
        }
    }
    private void removeMinFreqKey(){
        LinkedHashSet<Integer> keyList = freqToKeys.get(this.mincapacity);
        int deleteKey = keyList.iterator().next();
        keyList.remove(deleteKey);
        if(keyList.isEmpty()){
            freqToKeys.remove(this.mincapacity);
        }
        keyToValue.remove(deleteKey);
        keyToFreq.remove(deleteKey);
    }
}

解题思路：LFU逻辑

• 添加元素
  • 如果元素已经存在，添加新值，使用频率+1
  • 如果元素不存在
    • 容量已满，删除频率最小的键
    • 容量未满，更新3张表
• 获取元素
  • 元素不存在，返回-1
  • 元素存在，该元素的keyToFreq的频率+1
• 删除元素
  • 删除元素，更新3张表