LRU缓存算法

NC93 设计LRU缓存结构

描述
设计LRU(最近最少使用)缓存结构，该结构在构造时确定大小，假设大小为K，并有如下两个功能

1. set(key, value)：将记录(key, value)插入该结构
2. get(key)：返回key对应的value值

提示:
1.某个key的set或get操作一旦发生，认为这个key的记录成了最常使用的，然后都会刷新缓存。
2.当缓存的大小超过K时，移除最不经常使用的记录。
3.输入一个二维数组与K，二维数组每一维有2个或者3个数字，第1个数字为opt，第2，3个数字为key，value
若opt=1，接下来两个整数key, value，表示set(key, value)
若opt=2，接下来一个整数key，表示get(key)，若key未出现过或已被移除，则返回-1
对于每个opt=2，输出一个答案
4.为了方便区分缓存里key与value，下面说明的缓存里key用""号包裹

进阶:你是否可以在O(1)的时间复杂度完成set和get操作
示例1
输入：

[[1,1,1],[1,2,2],[1,3,2],[2,1],[1,4,4],[2,2]],3

返回值：

[1,-1]

说明：

[1,1,1]，第一个1表示opt=1，要set(1,1)，即将(1,1)插入缓存，缓存是{“1”=1}
[1,2,2]，第一个1表示opt=1，要set(2,2)，即将(2,2)插入缓存，缓存是{“1”=1,“2”=2}
[1,3,2]，第一个1表示opt=1，要set(3,2)，即将(3,2)插入缓存，缓存是{“1”=1,“2”=2,“3”=2}
[2,1]，第一个2表示opt=2，要get(1)，返回是[1]，因为get(1)操作，缓存更新，缓存是{“2”=2,“3”=2,“1”=1}
[1,4,4]，第一个1表示opt=1，要set(4,4)，即将(4,4)插入缓存，但是缓存已经达到最大容量3，移除最不经常使用的{“2”=2}，插入{“4”=4}，缓存是{“3”=2,“1”=1,“4”=4}
[2,2]，第一个2表示opt=2，要get(2)，查找不到，返回是[1,-1]

示例2
输入：

[[1,1,1],[1,2,2],[2,1],[1,3,3],[2,2],[1,4,4],[2,1],[2,3],[2,4]],2

返回值：

[1,-1,-1,3,4]

备注：

1≤K≤N≤1051 \leq K \leq N \leq 10^51≤K≤N≤105
−2×109≤x,y≤2×109-2 \times 10^9 \leq x,y \leq 2 \times 10^9−2×109≤x,y≤2×109

解题代码与注释

/**
 * 设计LRU（最近最少使用）的缓存结构，一种操作系统的页面置换算法
 * 使用哈希表+双向链表的数据结构
 * 哈希表存储key和对应节点，使访问节点的时间复杂度为O(1)，更新节点的复杂度也为O(1)
 * 使用双向链表存储节点访问的优先级，越靠近head节点权重越大，越经常被访问
 */
public class LRUSolution {
    class Node {
        int key;
        int value;
        Node pre;
        Node next;

        public Node(int key, int value, Node pre, Node next) {
            this.key = key;
            this.value = value;
            this.pre = pre;
            this.next = next;
        }
    }

    HashMap<Integer, Node> map = new HashMap<>();
    List<Integer> res = new LinkedList<>();
    Node head = new Node(-1, -1, null, null);
    Node tail = new Node(-1, -1, null, null);
    int length = 0;

    private void update(Node node) {
        //将被访问到的节点移动到head节点的下一个节点的位置
        node.pre.next = node.next;
        node.next.pre = node.pre;
        node.next = head.next;
        node.pre = head;
        head.next = node;
        node.next.pre = node;
    }

    private void set(int key, int value, int k) {
        //将要插入的节点放到head节点的下一个位置，如果是已经存在的节点则更新它的value和位置
        if (map.containsKey(key)) {
            update(map.get(key));
            map.get(key).value=value;
        } else {
            Node newNode = new Node(key, value, head, head.next);
            head.next.pre = newNode;
            head.next = newNode;
            map.put(key, newNode);
            length++;
            if (length > k) {
                Node rem = tail.pre;
                tail.pre = rem.pre;
                rem.pre.next = tail;
                map.remove(rem.key);
                length = k;
            }
        }
    }

    private int get(int key) {
        if (map.containsKey(key)) {
            Node node = map.get(key);
            update(node);
            return node.value;
        } else {
            return -1;
        }
    }

    public int[] LRU(int[][] operators, int k) {
        // write code here
        head.next = tail;
        tail.pre = head;
        for (int i = 0; i < operators.length; i++) {
            if (operators[i][0] == 1) {
                int key = operators[i][1];
                int value = operators[i][2];
                set(key, value, k);
            } else if (operators[i][0] == 2) {
                int key = operators[i][1];
                res.add(get(key));
            }
        }
        return res.stream().mapToInt(Integer::valueOf).toArray();
    }

    public static void main(String[] args) {
        LRUSolution solution = new LRUSolution();
        int[] lru = solution.LRU(new int[][]{{1, 1, 1}, {1, 2, 2}, {1, 3, 2}, {2, 1}, {1, 4, 4}, {2, 2}}, 3);
        for (int num : lru) {
            System.out.print(num + " ");
        }
    }
}