1.LRU简介
LRU(Least Recently Used)是一种常见的页面置换算法,在计算中,所有的文件操作都要放在内存中进行,然而计算机内存大小是固定的,所以我们不可能把所有的文件都加载到内存,因此我们需要制定一种策略对加入到内存中的文件进项选择。
LRU的设计原理就是,当数据在最近一段时间经常被访问,那么它在以后也会经常被访问。这就意味着,如果经常访问的数据,我们需要然其能够快速命中,而不常访问的数据,我们在容量超出限制内,要将其淘汰。
常见的页面置换算法有如下几种:
- LRU 最近最久未使用
- FIFO 先进先出置换算法 类似队列
- OPT 最佳置换算法 (理想中存在的)
- NRU Clock置换算法
- LFU 最少使用置换算法
- PBA 页面缓冲算法
2.题目描述
LeetCode 146. 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。
3.算法分析
数组
查询复杂度O(1),但是增删需要移动后面的全部元素,复杂度O(n)
链表
增删复杂度O(1),但是查询需要从头遍历链表,复杂度O(n)
综上,考虑使用 HashMap + 链表
,我们还需要根据删除链表中的任一节点,将他移动到最前面,所以使用双向链表
实现。
- 双向链表按照被使用的顺序存储了这些键值对,靠近头部的键值对是最近使用的,而靠近尾部的键值对是最久未使用的。
- 哈希表即为普通的哈希映射(HashMap),通过缓存数据的键映射到其在双向链表中的位置。
这样,在get
和put
的时候,我们通过HashMap找到key对应的节点,将节点移动到链表的头部,从而在 O(1) 的时间内完成get
和put
操作。具体如下
- 对于
get(key)
操作- 如果key存在,先通过map找到对应节点,将当前节点移动到列表的头部,然后返回value
- 如果key不存在,就返回-1
- 对于
put(key, value)
操作- 如果key存在,先通过map找到对应节点,然后将节点移动到列表的头部,修改节点的value
- 如果key不存在,使用key和value创建一个新的节点和map,将节点移动到列表的头部;如果map集合的大小超出容量,删除双向链表的最后一个节点,并删除map中的对应值。
在双向链表的实现中,使用一个伪头部(dummy head)标记边界,这样在添加节点和删除节点的时候就不需要检查相邻的节点是否存在。
4.代码实现
Java
/**
* LRU 最近最少使用
*
* 1.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。
*
* 2.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。
*
* 你是否可以在 O(1) 时间复杂度内完成这两种操作?
*/
class LRUCache {
class Node<K, V> {
private K key;
private V