题目描述
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
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解
主要的思路是结合哈希表和链表,将搜索的时间复杂度降到 O(1),链表用的是双向链表
class LinkNode:
def __init__(self, key, val, pre=None, next=None):
self.pre = pre
self.next = next
self.val = val
self.key = key
class LRUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.catch = {}
self.size = 0
self.head = LinkNode(-1,0)
self.tail = LinkNode(-1,0)
self.head.next = self.tail
self.tail.pre = self.head
def get(self, key: int) -> int:
if key not in self.catch:
return -1
self.move_to_top(self.catch.get(key))
return self.catch.get(key).val
def put(self, key: int, value: int) -> None:
if key in self.catch:
self.catch.get(key).val = value
self.move_to_top(self.catch.get(key))
else:
node = LinkNode(key, value)
self.catch[key] = node
self.add_to_top(node)
self.size += 1
if self.size > self.capacity:
remove_node = self.remove_tail()
del self.catch[remove_node.key]
self.size -= 1
def add_to_top(self, node: LinkNode):
node.pre = self.head
node.next = self.head.next
self.head.next.pre = node
self.head.next = node
def remove_node(self, node: LinkNode)-> LinkNode:
node.next.pre = node.pre
node.pre.next = node.next
def move_to_top(self, node: LinkNode):
self.remove_node(node)
self.add_to_top(node)
def remove_tail(self):
if self.tail.pre is self.head:
return
true_tail = self.tail.pre
self.tail.pre = true_tail.pre
true_tail.pre.next = self.tail
return true_tail
# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)