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 <= 105
最多调用 2 * 105 次 get 和 put

LRU缓存是经典的内存管理机制,实现方法是使用哈希表和双向链表为基础,通过互相映射,实现O(1)的平均算法时间

实现代码如下:

// 增加一个头节点和尾节点方便处理
// 使用哈希表和双向链表来完成
// 哈希表 通过key 指向双向链表的存储value的节点
// 双向链表 存储value值,同时双向链表头部节点表示最新使用的,尾部节点表示最长时间没有使用的,如果摘除的话从尾部节点摘除,从头部节点插入


struct Node {
    int value;
    int key;
    struct Node *next;
    struct Node *prev;
};


typedef struct {
    struct Node *Hash[10010];
    struct Node *ListHead;
    struct Node *ListTail;
    int ListCount;
    int ListMaxCount;
} LRUCache;


LRUCache* lRUCacheCreate(int capacity) {
    LRUCache *obj = (LRUCache*)malloc(sizeof(LRUCache));
    if (obj == NULL) {
        return obj;
    }
    int i;
    for (i = 0; i < 10010; i++) {
        obj->Hash[i] = NULL;
    }
    obj->ListCount = 0;
    obj->ListMaxCount = capacity;
    obj->ListHead = (struct Node*)malloc(sizeof(struct Node));
    obj->ListTail = (struct Node*)malloc(sizeof(struct Node));
    obj->ListHead->next = obj->ListTail;
    obj->ListHead->prev = NULL;
    obj->ListTail->prev = obj->ListHead;
    obj->ListTail->next = NULL;
    return obj;
}

int lRUCacheGet(LRUCache* obj, int key) {
    // 判断元素是否存在,不存在直接返回-1, 如果存在,返回value,同时将node节点放到head位置
    if (obj->Hash[key] == NULL) {
        return -1;
    }

    struct Node *tmpNode = obj->Hash[key];
    // 先将节点摘除下来
    tmpNode->next->prev = tmpNode->prev;
    tmpNode->prev->next = tmpNode->next;
    // 将节点放到头结点后面
    tmpNode->next = obj->ListHead->next;
    obj->ListHead->next->prev = tmpNode;
    tmpNode->prev = obj->ListHead;
    obj->ListHead->next = tmpNode;
    return obj->Hash[key]->value;
}

void lRUCachePut(LRUCache* obj, int key, int value) {
    // 首先判断元素是否存在
    if (obj->Hash[key] != NULL) {
        obj->Hash[key]->value = value;
        struct Node *tmpNode = obj->Hash[key];
        // 先将节点摘除下来
        tmpNode->next->prev = tmpNode->prev;
        tmpNode->prev->next = tmpNode->next;
        // 将节点放到头结点后面
        tmpNode->next = obj->ListHead->next;
        obj->ListHead->next->prev = tmpNode;
        tmpNode->prev = obj->ListHead;
        obj->ListHead->next = tmpNode;
        return;
    }
    //如果不存在,插入节点,如果超过最大数量,将链表尾部节点抛弃
    // 插入新节点插入到节点头
    struct Node *newNode = (struct Node*)malloc(sizeof(struct Node));
    newNode->value = value;
    newNode->key = key;
    obj->Hash[key] = newNode;
    // 将节点放到头结点后面
    newNode->next = obj->ListHead->next;
    obj->ListHead->next->prev = newNode;
    newNode->prev = obj->ListHead;
    obj->ListHead->next = newNode;
    (obj->ListCount)++;
    if (obj->ListCount > obj->ListMaxCount) { //超过最大数量,将链表尾部节点抛弃
        struct Node *tmpNode = obj->ListTail->prev;
        tmpNode->prev->next = obj->ListTail;
        obj->ListTail->prev = tmpNode->prev;
        obj->Hash[tmpNode->key] = NULL;
        free(tmpNode);
        (obj->ListCount)--;
    }
}

void lRUCacheFree(LRUCache* obj) {
    struct Node *tmpNode = NULL;
    while(obj->ListHead != NULL) {
        tmpNode = obj->ListHead;
        obj->ListHead = obj->ListHead->next;
        free(tmpNode);
    }
    free(obj);
}

/**
 * Your LRUCache struct will be instantiated and called as such:
 * LRUCache* obj = lRUCacheCreate(capacity);
 * int param_1 = lRUCacheGet(obj, key);
 
 * lRUCachePut(obj, key, value);
 
 * lRUCacheFree(obj);
*/
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
解法1:使用有序字典(OrderedDict) 思路: 1. 使用一个有序字典来存储缓存的键值对,有序字典可以保持插入顺序。 2. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除有序字典的第一个元素。 3. 当访问一个已存在的键值对时,需要将该键值对移动到有序字典的末尾,表示最近使用过。 实现: 1. 初始化时,设定缓存容量,创建一个空的有序字典。 2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对移动到有序字典的末尾。 3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对移动到有序字典的末尾;若键不存在,则插入该键值对,并将该键值对移动到有序字典的末尾。若插入后缓存超出容量,则删除有序字典的第一个元素。 代码实现如下: ```python from collections import OrderedDict class LRUCache: def __init__(self, capacity: int): self.capacity = capacity self.cache = OrderedDict() def get(self, key: int) -> int: if key in self.cache: self.cache.move_to_end(key) return self.cache[key] return -1 def put(self, key: int, value: int) -> None: if key in self.cache: del self.cache[key] self.cache[key] = value if len(self.cache) > self.capacity: self.cache.popitem(last=False) ``` 复杂度分析: - 时间复杂度:对于get和put操作,有序字典的删除和插入操作的时间复杂度都是O(1),因此 get和put操作的时间复杂度均为O(1)。 - 空间复杂度:使用了一个有序字典来存储键值对,因此空间复杂度为O(N),其中N为缓存的容量。 解法2:使用哈希表和双向链表 思路: 1. 使用一个哈希表来存储缓存的键值对,哈希表的键为缓存的键,值为双向链表中对应节点的指针。 2. 使用一个双向链表来存储缓存的键值对,链表的每个节点包括键、值和前后指针。 3. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除双向链表的头节点,同时从哈希表中删除该键。 4. 当访问一个已存在的键值对时,需要将该键值对对应的节点移动到双向链表的尾部,表示最近使用过。 实现: 1. 初始化时,设定缓存容量,创建一个空的哈希表和双向链表。 2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对对应的节点移动到双向链表的尾部。 3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对对应的节点移动到双向链表的尾部;若键不存在,则插入该键值对对应的节点到双向链表的尾部,并在哈希表中添加该键值对。若插入后缓存超出容量,则删除双向链表的头节点,并从哈希表中删除对应键。 代码实现如下: ```python class DLinkedNode: def __init__(self, key=0, value=0): self.key = key self.value = value self.prev = None self.next = None class LRUCache: def __init__(self, capacity: int): self.capacity = capacity self.cache = dict() self.head = DLinkedNode() self.tail = DLinkedNode() self.head.next = self.tail self.tail.prev = self.head def get(self, key: int) -> int: if key in self.cache: node = self.cache[key] self.moveToTail(node) return node.value return -1 def put(self, key: int, value: int) -> None: if key in self.cache: node = self.cache[key] node.value = value self.moveToTail(node) else: if len(self.cache) >= self.capacity: self.removeLRU() node = DLinkedNode(key, value) self.cache[key] = node self.addToTail(node) def moveToTail(self, node: DLinkedNode) -> None: self.removeNode(node) self.addToTail(node) def removeNode(self, node: DLinkedNode) -> None: node.prev.next = node.next node.next.prev = node.prev def addToTail(self, node: DLinkedNode) -> None: node.prev = self.tail.prev node.next = self.tail self.tail.prev.next = node self.tail.prev = node def removeLRU(self) -> None: lruNode = self.head.next self.removeNode(lruNode) del self.cache[lruNode.key] ``` 复杂度分析: - 时间复杂度:对于get和put操作,哈希表的查找和删除操作的时间复杂度都是O(1),双向链表的插入和删除操作的时间复杂度也是O(1),因此 get和put操作的时间复杂度均为O(1)。 - 空间复杂度:哈希表和双向链表分别需要存储所有键值对和节点,因此空间复杂度为O(N),其中N为缓存的容量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值