LRU是Least Recently Used的缩写,即最近最少使用,是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰。
那么我们怎么能够实现一个LRU缓存呢?
1.先创建两个哨兵节点,一个为head,一个为tail;创建这两个节点作用就是更加容易的插入和删除,我们将要插入的节点从tail节点的地方插入进来,要删除的节点放在head的写一个节点。
为了达到O(1)的时间复杂度,我们可以在类中维护一个哈希表,目的就是为了删除的时候可以直接定位node,不然的话就需要遍历节点,此时的时间复杂度就是O(n)了。
class LRUCache {
MyLru lru = null;
public LRUCache(int capacity) {
lru = new MyLru(capacity);
}
public int get(int key) {
return lru.get(key);
}
public void put(int key, int value) {
lru.set(key,value);
}
class Node{ //因为双链表,所以需要next和pre
int val ;
int key;
Node pre;
Node next;
public Node(int key , int val){
this.key = key;
this.val = val;
}
}
class MyLru{
int size;
int cap ;
Node head = new Node(-1,-1);//设置头哨兵节点
Node tail = new Node(-1,-1);//设置尾哨兵节点
Map<Integer , Node> map = new HashMap<>();//维护一个hash表
public MyLru(int cap){ //初始化时将head和tail连接起来
this.cap = cap;
head.next = tail;
tail.pre = head;
}
public void set(int key ,int val){
Node tmp = map.get(key);
if(tmp != null){ //首先判断hash表里有没有这个node,有的话讲他的值更新,并删除它再将它加进来(为了保持最新);
tmp.val = val;
delete(tmp);
add(tmp);
}else{//如果没有的话,判断当前size()看是否capacity已经满了,如果满了就需要移除最近最少使用节点再加入,若没满,直接加入就ok。
Node nd = new Node(key,val);
if(size >= cap){
delete(head.next);
add(nd);
}else{
add(nd);
}
}
}
public int get(int key){
Node node = map.get(key);//判断当前节点是否存在,不存在的话返回-1
if(node == null ){
return -1;
}
delete(node); //若存在,删除它,并且重新加入,返回它的节点值,证明它最近使用过了。
add(node);
return node.val;
}
public void add(Node node ){//从尾部添加节点,并将size+1;
map.put(node.key,node);
node.next = tail;
node.pre = tail.pre;
tail.pre.next = node;
tail.pre = node;
size++;
}
public void delete(Node node){ //删除中间节点
map.remove(node.key);
node.pre.next = node.next;
node.next.pre = node.pre;
size--;
}
}
}