【NO.52】LeetCode HOT 100—146. LRU 缓存

146. LRU 缓存

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。

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 <= 10^5
最多调用 2 * 10^5 次 get 和 put

解题

方法：排序+哈希表

public class LRUCache {
    // LRU（最近最少使用）刚put或者get的在最前面，可以理解为创建，更新时间倒序
    // 删除的是最后的节点(最久未使用)
    // 排序+哈希表： 双向链表+哈希表，自己手写双向链表，借用HashMap
    // 双向链表维护节点的前后关系。头节点是最近使用的，尾节点是最久未使用的
    // 哈希表的存在是为了提高时间复杂度，用空间换时间

    // 链表节点
    class DLinkedNode{
        int key;
        int value;
        DLinkedNode prev;
        DLinkedNode next;
        // 无参、有参构造
        public DLinkedNode () {}
        public DLinkedNode (int key1, int value1) {
            key = key1;
            value = value1;
        } 
    }

    // LRU的参数
    private int size;
    private int capacity;
    private Map<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
    // 链表的伪头尾节点，head.next指向第一个 tail.prev指向最后一个
    private DLinkedNode head, tail;

    // LRU构造方法
    public LRUCache(int capacity) {
        // 初始化LRU的容量与双向链表
        this.size = 0;
        this.capacity = capacity;
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head.next = tail;
        tail.prev = head;
    }
    
    // 时间O(1)
    public int get(int key) {
        // 从哈希表中get，有返回，并放在链表头部，无返回-1
        DLinkedNode head = cache.get(key);
        if (head == null) {
            return -1;
        }

        // 将该节点移至头部
        moveToHead(head);
        return head.value;
        
    }
    
     // 时间O(1)
    public void put(int key, int value) {
        // 从哈希表中get，有则更新值，并放在链表头部，无则新增链表，并添加节点至链表头部
        DLinkedNode head = cache.get(key);
        if (head == null) {
            DLinkedNode newNode = new DLinkedNode(key, value);
            cache.put(key, newNode);
            // 添加节点至链表头部
            addToHead(newNode);

            ++size;
            if (size > capacity) {
                // 获取最后一个节点
                DLinkedNode tailNode = removeTail();
                // 删除cache中的元素
                cache.remove(tailNode.key);
                
                --size;
            }

        } else {
            head.value = value;
            // 将该节点移至链表头部
            moveToHead(head);
        }
        
    }

    // 添加节点到头部,时间O(1)
    private void addToHead(DLinkedNode node) {
        node.prev = head;
        node.next = head.next;

        head.next.prev = node;
        head.next = node;
    }

    // 删除节点,时间O(1)
    private void removeNode(DLinkedNode node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    // 将该节点移至头部,先删除，再头部添加,时间O(1)
    private void moveToHead(DLinkedNode node) {
        removeNode(node);
        addToHead(node);
    }

    // 删除最后一个节点，然后返回,时间O(1)
    private DLinkedNode removeTail() {
        DLinkedNode node = tail.prev;
        node.prev.next = tail;
        node.next.prev = node.prev;
        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);
 */