编程题-LRU缓存机制
LRU简介
LRU是Least Recently Used(最近最少使用)的缩写,即最近最少使用,是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段,用来记录一个页面自上次被访问以来所经历的时间 t,当须淘汰一个页面时,选择现有页面中其 t 值最大的,即最近最少使用的页面予以淘汰。
题目
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?
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
提示:
1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
- 最多调用
2 * 105
次get
和put
Go 实现
package lru
type LRUCache struct {
size, capacity int // 缓存的长度和容量
cache map[int]*LinkedNode // 容器
head, tail *LinkedNode // 伪头部和伪尾部节点
}
// 双向链表
type LinkedNode struct {
key, value int
prev, next *LinkedNode
}
// 构造器
func Constructor(capacity int) LRUCache {
cache := LRUCache{
capacity: capacity,
cache: make(map[int]*LinkedNode),
head: &LinkedNode{},
tail: &LinkedNode{},
}
cache.head.next = cache.tail
cache.tail.prev = cache.head
return cache
}
func (this *LRUCache) Get(key int) int {
if node, ok := this.cache[key]; ok {
// 如果 key 存在,通过哈希表定位,再移到头部
this.moveToHead(node)
return node.value
}
return -1
}
func (this *LRUCache) Put(key int, value int) {
if node, ok := this.cache[key]; ok {
// 如果 key 存在,先通过哈希表定位,再修改 value,并移到头部
node.value = value
this.moveToHead(node)
} else {
newNode := &LinkedNode{
key: key,
value: value,
}
// 添加进哈希表
this.cache[key] = newNode
// 添加至双向链表的头部
this.addToHead(newNode)
this.size++
if this.size > this.capacity {
//如果超出容量,删除双向链表的尾部节点
oldTail := this.removeTail()
// 删除哈希表中对应的项
delete(this.cache, oldTail.key)
this.size--
}
}
}
// 删除节点
func (this *LRUCache) removeNode(node *LinkedNode) {
node.prev.next = node.next
node.next.prev = node.prev
}
// 添加节点到头部
func (this *LRUCache) addToHead(node *LinkedNode) {
node.prev = this.head
node.next = this.head.next
this.head.next.prev = node
this.head.next = node
}
// 删除尾节点
func (this *LRUCache) removeTail() *LinkedNode {
node := this.tail.prev
this.removeNode(node)
return node
}
// 将节点移动到头节点
func (this *LRUCache) moveToHead(node *LinkedNode) {
this.removeNode(node)
this.addToHead(node)
}
Java 实现
public class LRUCache {
class DLinkedNode {
int key;
int value;
DLinkedNode prev;
DLinkedNode next;
public DLinkedNode() {}
public DLinkedNode(int _key, int _value) {key = _key; value = _value;}
}
private Map<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
private int size;
private int capacity;
private DLinkedNode head, tail;
public LRUCache(int capacity) {
this.size = 0;
this.capacity = capacity;
// 使用伪头部和伪尾部节点
head = new DLinkedNode();
tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
}
public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) {
return -1;
}
// 如果 key 存在,先通过哈希表定位,再移到头部
moveToHead(node);
return node.value;
}
public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if (node == null) {
// 如果 key 不存在,创建一个新的节点
DLinkedNode newNode = new DLinkedNode(key, value);
// 添加进哈希表
cache.put(key, newNode);
// 添加至双向链表的头部
addToHead(newNode);
++size;
if (size > capacity) {
// 如果超出容量,删除双向链表的尾部节点
DLinkedNode tail = removeTail();
// 删除哈希表中对应的项
cache.remove(tail.key);
--size;
}
}
else {
// 如果 key 存在,先通过哈希表定位,再修改 value,并移到头部
node.value = value;
moveToHead(node);
}
}
private void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
private void removeNode(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
private void moveToHead(DLinkedNode node) {
removeNode(node);
addToHead(node);
}
private DLinkedNode removeTail() {
DLinkedNode res = tail.prev;
removeNode(res);
return res;
}
}