LeetCode_数据结构设计_中等_146.LRU 缓存

1.题目

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

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache

2.思路

（1）LinkedHashMap
JDK 中的 LinkedHashMap 本身就是将双向链表和 HashMap 进行结合的一种数据结构，我们可以直接使用它去实现 LRU 算法。不过默认的LinkedHashMap 并不会淘汰数据，所以我们需要重写它的 removeEldestEntry() 方法，当数据数量达到预设上限后，淘汰数据，构造函数中的 accessOrder 设为 true 意为按照访问的顺序排序。整个实现的代码量并不大，主要都是应用 LinkedHashMap 的特性。

（2）哈希表 & 双向链表
思路参考本题官方题解。

（1）LRU 缓存机制可以通过哈希表 & 双向链表实现，我们用一个哈希表和一个双向链表维护所有在缓存中的键值对。

• 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。

（2）这样一来，我们首先使用哈希表进行定位，找出缓存项在双向链表中的位置，随后将其移动到双向链表的头部，即可在 O(1) 的时间内完成 get 或者 put 操作。具体的方法如下：

• 对于 get 操作，首先判断 key 是否存在：
  • 如果 key 不存在，则返回 -1；
  • 如果 key 存在，则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置，并将其移动到双向链表的头部，最后返回该节点的值。
• 对于 put 操作，首先判断 key 是否存在：
  • 如果 key 不存在，则首先判断哈希表中的元素数量是否超出容量，如果超出容量，则删除双向链表的尾部节点，并删除哈希表中对应的项。然后才再使用 key 和 value 创建一个新的节点，在双向链表的头部添加该节点，并将 key 和该节点添加进哈希表中。
  • 如果 key 存在，则与 get 操作类似，先通过哈希表定位，再将对应的节点的值更新为 value，并将该节点移到双向链表的头部。

（3）上述各项操作中，访问哈希表的时间复杂度为 O(1)，在双向链表的头部添加节点、在双向链表的尾部删除节点的复杂度也为 O(1)。而将一个节点移到双向链表的头部，可以分成「删除该节点」和「在双向链表的头部添加节点」两步操作，都可以在 O(1) 时间内完成。

注意：在双向链表的实现中，使用一个伪头部 (dummy head) 和伪尾部 (dummy tail) 标记界限，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，降低了代码的复杂度。

相关题目：
LeetCode_数据结构设计_困难_460.LFU 缓存

3.代码实现（Java）

//思路1————LinkedHashMap
class LRUCache extends LinkedHashMap<Integer, Integer> {

    private int capacity;

    public LRUCache(int capacity) {
    	/*
			initialCapacity – the initial capacity 
			loadFactor – the load factor 
			accessOrder – the ordering mode - true for access-order, false for insertion-order
		*/
        super(capacity, 0.75F, true);
        this.capacity = capacity;
    }
    
    public int get(int key) {
        return super.getOrDefault(key, -1);
    }
    
    public void put(int key, int value) {   
        super.put(key, value);
    }
	
	//重写 removeEldestEntry 方法
    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
        return super.size() > capacity;
    }
}

/**
 * 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);
 */

//思路2————哈希表 & 双向链表
class LRUCache {
    
    class DLinkedNode {
        int key;
        int value;
        DLinkedNode prev;
        DLinkedNode next;
        
        public DLinkedNode() {}
        
        public DLinkedNode(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }
    
    // hashMap
    private Map<Integer, DLinkedNode> cache;
    //当前大小
    private int size;
    //总容量
    private int capacity;
    //伪头节点和伪尾节点
    private DLinkedNode dummyHead;
    private DLinkedNode dummyTail;

    
    public LRUCache(int capacity) {
  	  	cache = new HashMap<>();
        this.size = 0;
        this.capacity = capacity;
        //初始化伪头部和伪尾部节点
        dummyHead = new DLinkedNode();
        dummyTail = new DLinkedNode();
        dummyHead.next = dummyTail;
        dummyTail.prev = dummyHead;
    }
    
    public int get(int key) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            return -1;
        }
        //如果 key 存在，则将 node 移到头部，这样就可以表示节点 node 最近被访问过
        moveToHead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            if (size >= capacity) {
                //如果超出容量，则删除双向链表的尾部节点
                DLinkedNode tail = removeTail();
                //删除哈希表中对应的节点
                cache.remove(tail.key);
                size--;
            }
            //如果 key 不存在，创建一个新的节点
            DLinkedNode newNode = new DLinkedNode(key, value);
            //将 newNode 添加到哈希表中
            cache.put(key, newNode);
            //将 newNode 添加到双向链表的头部
            addToHead(newNode);
            size++;
        } else {
            // key 存在，先修改 value，再将节点移动到头部
            node.value = value;
            moveToHead(node);
        }
    }
    
    //在头部插入节点 node
    private void addToHead(DLinkedNode node) {
        node.prev = dummyHead;
        node.next = dummyHead.next;
        dummyHead.next.prev = node;
        dummyHead.next = node;
    }
    
    //移除节点 node
    private void removeNode(DLinkedNode node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }
    
    //将节点 node 移动到头部
    private void moveToHead(DLinkedNode node) {
        removeNode(node);
        addToHead(node);
    }
    
    //删除尾部节点并返回
    private DLinkedNode removeTail() {
        DLinkedNode res = dummyTail.prev;
        removeNode(res);
        return res;
    }
}

/**
 * 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);
 */