题解
作者:labuladong
链接:https://leetcode-cn.com/problems/lru-cache/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
分析上面的操作过程,要让 put 和 get 方法的时间复杂度为 O(1),我们可以总结出 cache 这个数据结构必要的条件:查找快,插入快,删除快,有顺序之分。
因为显然 cache 必须有顺序之分,以区分最近使用的和久未使用的数据;而且我们要在 cache 中查找键是否已存在;如果容量满了要删除最后一个数据;每次访问还要把数据插入到队头。
那么,什么数据结构同时符合上述条件呢?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。这个数据结构长这样:
“为什么必须要用双向链表”的问题了,因为我们需要删除操作。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)。
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;
}
}
作者:labuladong
链接:https://leetcode-cn.com/problems/lru-cache/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
代码:
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;
}
};
作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/lru-cache/solution/lruhuan-cun-ji-zhi-by-leetcode-solution/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
// 总的思想就是 哈希双向链表
struct Node
{
int key;
int value;
Node* pre;
Node* next;
// 构造函数初始化
Node(int key, int value) : key(key), value(value), pre(nullptr), next(nullptr){}
};
class LRUCache {
private:
int size;// 缓冲区大小
Node* head;
Node* tail;
map<int, Node*> p;
public:
LRUCache(int capacity) {
this->size = capacity;
head = nullptr;
tail = nullptr;
}
// 获取缓冲区中 key 对应的 value
int get(int key) {
// 1.当该 key 值存在
if(p.count(key) > 0)
{
// 删除该 key 对应的原来节点
Node* cur = p[key];
int value = cur->value;
remove(cur); // 这里仅仅删除哈希双向链表中的节点,不必删除哈希表中的
// 将节点重现插入到缓冲区的头部
setHead(cur);
return value;
}
// 2.当该 key 值不存在
return -1;
}
// 将key-value值存入缓冲区
void put(int key, int value) {
// 1.当该 key 值存在
if(p.count(key) > 0)
{
// 删除该 key 对应的原来节点
Node* cur = p[key];
cur->value = value;
remove(cur); // 这里仅仅删除哈希双向链表中的节点,不必删除哈希表中的
// 将节点重现插入到缓冲区的头部
setHead(cur);
}
else// 2.当该 key 值不存在
{
Node* node = new Node(key, value);
// 判断当前缓冲区大小已经满了
if(p.size() >= size)
{
// 删除尾部节点
map<int, Node*>::iterator it = p.find(tail->key);// 返回迭代器类型
remove(tail);
p.erase(it);// 这里erase 函数参数是迭代器类型,所以上面需要使用迭代器类型
// 将新节点插入到缓冲区的头部
}
//else 此时因为动作和上面重复,所以直接合并使用
//还没有满:将新节点插入到缓冲区的头部
{
setHead(node);
p[key] = node;
}
}
}
// 删除当前节点
void remove(Node* cur)
{
// 当前节点是 head
if(cur == head)
head = cur->next;
else if(cur == tail)// 当前节点是 tail
tail = cur->pre;
else// 当前节点是一般节点
{
cur->pre->next = cur->next;
cur->next->pre = cur->pre;
}
}
// 将当前节点插入到头部
void setHead(Node* cur)
{
cur->next = head;
if(head != nullptr)
head->pre = cur;
head = cur;//重现更新head
if(tail==nullptr)
tail = head;
}
};