LeetCode:146. LRU 缓存机制(中等）

题目描述

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 。
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？

题解

LRU 哈希表加双向链表实现。由于单独使用双向链表没法O(1)时间删除，单独使用chche 哈希表也没有办法记录最近最少访问的元素。只有将两种数据结构结合起来，才能在O(1)时间插入删除更新，更新或在访问时将元素移动到双向链表的头部，并且当cache满的时候，删尾部元素。

哈希表该存储什么内容？

链表结点：存 key 和 对应的数据值。
哈希表的存在，是为了快速访问到存储于双向链表的数据：
key：存双向链表中的 key
value：存双向链表结点的引用。

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 = new DLinkedNode(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；
    }
}

牛客题解

链表删除节点

p->right->left = p->left;
p->left->right = p->right;

在L节点之后插入p节点

p->right = L->right;
p->left = L;
L->right->left = p;
L->right = p;

自定义双向链表

class Solution {
public:
    /**
     * lru design
     * @param operators int整型vector<vector<>> the ops
     * @param k int整型 the k
     * @return int整型vector
     */
    struct DNode{
        int key, value;
        DNode* left, *right;
        DNode(int _key, int _value): key(_key), value(_value), left(nullptr), right(nullptr){}
    }*L,*R;
    void remove(DNode* p){
        p->right->left = p->left;
        p->left->right = p->right;
    }
    void insert(DNode* p){
        p->right = L->right;
        p->left = L;
        L->right->left = p;
        L->right = p;
    }
    int get(int key){
        if(hash.count(key) == 0) return -1;
        auto p = hash[key];
        remove(p);
        insert(p);//将当前节点放在双链表的第一位
        return p->value;
    }
    void set(int key, int value){
        if(hash.count(key)){//如果key存在，则修改对应的value
            auto p = hash[key];
            p->value = value;
            remove(p);
            remove(p);
        }
        else{
            if(hash.size() == n){//如果缓存已满，则删除双链表最右侧的节点
                auto p = R->left;
                remove(p);
                hash.erase(p->key);//更新哈希表
                delete p;//释放内存
            }
            auto p = new DNode(key,value);
            hash[key] = p;
            insert(p);
        }
    }
    unordered_map<int,DNode*> hash;//<key,DNode>,DNode的值为相应值
    int n;
    vector<int> LRU(vector<vector<int> >& operators, int k) {
        // write code here
        L = new DNode(-1,-1);
        R = new DNode(-1,-1);
        L->right = R;
        R->left = L;
        n = k;
        vector<int> res;
        for(auto v: operators){
            if(v[0] == 1){
                set(v[1],v[2]);
            }
            else{
                res.push_back(get(v[1]));
            }
        }
        return res;
    }
};

146. LRU 缓存机制 【c++详细题解】
小林coding LRU更正版本
利用STL的list
理解list的splice这个方法

void splice (iterator position, list& x, iterator i);//把x这个list的i处元素插入到position的位置

「146. LRU 缓存机制」哈希表+双向链表

struct DLinkedNode {
    int key, value;
    DLinkedNode* prev;
    DLinkedNode* next;
    DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
    DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};

class LRUCache {
private:
    unordered_map<int, DLinkedNode*> cache;
    DLinkedNode* head;
    DLinkedNode* tail;
    int size;
    int capacity;

public:
    LRUCache(int _capacity): capacity(_capacity), size(0) {
        // 使用伪头部和伪尾部节点
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) {
        if (!cache.count(key)) {
            return -1;
        }
        // 如果 key 存在，先通过哈希表定位，再移到头部
        DLinkedNode* node = cache[key];
        moveToHead(node);
        return node->value;
    }
    
    void put(int key, int value) {
        if (!cache.count(key)) {
            // 如果 key 不存在，创建一个新的节点
            DLinkedNode* node = new DLinkedNode(key, value);
            // 添加进哈希表
            cache[key] = node;
            // 添加至双向链表的头部
            addToHead(node);
            ++size;
            if (size > capacity) {
                // 如果超出容量，删除双向链表的尾部节点
                DLinkedNode* removed = removeTail();
                // 删除哈希表中对应的项
                cache.erase(removed->key);
                // 防止内存泄漏
                delete removed;
                --size;
            }
        }
        else {
            // 如果 key 存在，先通过哈希表定位，再修改 value，并移到头部
            DLinkedNode* node = cache[key];
            node->value = value;
            moveToHead(node);
        }
    }

    void addToHead(DLinkedNode* node) {
        node->prev = head;
        node->next = head->next;
        head->next->prev = node;
        head->next = node;
    }
    
    void removeNode(DLinkedNode* node) {
        node->prev->next = node->next;
        node->next->prev = node->prev;
    }

    void moveToHead(DLinkedNode* node) {
        removeNode(node);
        addToHead(node);
    }

    DLinkedNode* removeTail() {
        DLinkedNode* node = tail->prev;
        removeNode(node);
        return 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);
 */

复杂度分析

• 时间复杂度：对于 put 和 get 都是 O(1)。
• 空间复杂度：O(capacity)，因为哈希表和双向链表最多存储 capacity+1 个元素。

struct DLinkedNode {
    int key, value;
    DLinkedNode* prev;
    DLinkedNode* next;
    DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
    DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};

class LRUCache {
private:
    std::unordered_map<int, DLinkedNode*> cache;
    DLinkedNode* head;
    DLinkedNode* tail;
    int size;
    int capacity;
public:
    LRUCache(int capacity): capacity(capacity), size(0) {
        // 使用伪头部和伪尾部节点
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key);
    void put(int key, int value);
    void addToHead(DLinkedNode* node);
    void removeNode(DLinkedNode* node);
    void moveToHead(DLinkedNode* node);
    DLinkedNode* removeTail();
};

int LRUCache::get(int key)
{
    if (!cache.count(key)) {
        return -1;
    }
    // 如果 key 存在，先通过哈希表定位，再移到头部
    DLinkedNode *node = cache[key];
    moveToHead(node);
    return node->value;
}

void LRUCache::put(int key, int value)
{
    if (!cache.count(key)) {
        // 如果 key 不存在，创建一个新的节点
        DLinkedNode *node = new DLinkedNode(key, value);
        // 添加进哈希表
        cache[key] = node;
        // 添加至双向链表的头部
        addToHead(node);
        ++size;
        if (size > capacity) {
            // 如果超出容量，删除双向链表的尾部节点
            DLinkedNode *removed = removeTail();
            // 删除哈希表中对应的项
            cache.erase(removed->key);
            // 防止内存泄漏
            delete removed;
            --size;
        }
    } else {
        // 如果 key 存在，先通过哈希表定位，再修改 value，并移到头部
        DLinkedNode *node = cache[key];
        node->value = value;
        moveToHead(node);
    }
}

void LRUCache::addToHead(DLinkedNode *node)
{
    node->prev = head;
    node->next = head->next;
    head->next->prev = node;
    head->next = node;
}

void LRUCache::removeNode(DLinkedNode *node)
{
    node->prev->next = node->next;
    node->next->prev = node->prev;
}

void LRUCache::moveToHead(DLinkedNode *node)
{
    removeNode(node);
    addToHead(node);
}

DLinkedNode * LRUCache::removeTail()
{
    DLinkedNode *node = tail->prev;
    removeNode(node);
    return 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);
 */ 

参考

LRU缓存机制
LRU 策略详解和实现labuladong
【中规中矩】LRU 哈希表加双向链表实现
146. LRU缓存机制
146. LRU缓存机制 C++ 使用unordered_map + list