实现LRU缓存算法

柔光的暖阳◎ 2022-08-28 07:51 191阅读 0赞

本文基于LeetCode第[146. LRU 缓存机制][146. LRU]进行实现。

> 题目

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。  
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) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？

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 <= 10 ^ 5
 *  最多调用 2 \* 10 ^ 5 次 get 和 put

> 分析

LRU (最近最少使用) ，一种数据淘汰策略算法，在页面置换、Redis数据淘汰中都存在这种算法。实现的思路也比较简单，使用**双向链表 + 哈希表**。

哈希表在这里的作用主要是为了实现O(1)复杂度获取到对应的node。我们只需要在访问节点后，把该节点移到链表的头部，保证双向链表的尾部是最久未访问的数据即可。当缓存的容量达到上限时，只需要把双向链表尾部的节点移除即可。

> 编码

class LRUCache { 
        // 双向链表 + HashMap
        private Node head;
        private Node tail;
        // key->node，实现O(1)复杂度获取node
        private HashMap<Integer, Node> map;
        private int maxSize;
    
        private class Node { 
            Node pre;
            Node next;
            Integer key;
            Integer value;
            public Node(Integer key, Integer value) { 
                this.key = key;
                this.value = value;
            }
        }
    
        public LRUCache(int capacity) { 
            this.maxSize = capacity;
            head = new Node(null, null);
            tail = new Node(null, null);
            head.next = tail;
            tail.pre = head;
            map = new HashMap<>(capacity);
        }
        
        public int get(int key) { 
            // 没有命中，返回-1
            if (!map.containsKey(key)) { 
                return -1;
            }
            // 命中后，需要把对应的node移到链表的头部，保证链表的尾部是最久未访问的
            Node node = map.get(key);
            unlink(node);
            appendHead(node);
            return node.value;
        }
        
        public void put(int key, int value) { 
            // 如果缓存已经存在，则删除原来的
            if (map.containsKey(key)) { 
                Node node = map.get(key);
                unlink(node);
            } else { 
                // 如果容量达到上限，需要先移除链表尾的节点，再插入新的节点
                if (map.size() >= maxSize) { 
                    Node removeNode = removeTail();
                    map.remove(removeNode.key);
                }
            }
    
            // 插入节点到链表头部
            Node node = new Node(key, value);
            map.put(key, node);
            appendHead(node);
        }
    
        /** * 释放node节点 */
        private void unlink(Node node) { 
            Node pre = node.pre;
            Node next = node.next;
            pre.next = next;
            next.pre = pre;
            node.pre = null;
            node.next = null;
        }
    
        /** * 将node节点插入链表头部 */
        private void appendHead(Node node) { 
            Node next = head.next;
            node.next = next;
            next.pre = node;
            node.pre = head;
            head.next = node;
        }
    
        /** * 删除链表尾节点 */
        private Node removeTail() { 
            Node node = tail.pre;
            Node pre = node.pre;
            pre.next = tail;
            tail.pre = pre;
    
            node.next = null;
            node.pre = null;
            return node;
        }
    }
    
    /** * 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); */

![请添加图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA56eD5aS05ZOl57yW56iL_size_20_color_FFFFFF_t_70_g_se_x_16]

这个击败率感觉还不如调api来滴实在啊。

[146. LRU]: https://leetcode-cn.com/problems/lru-cache/
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA56eD5aS05ZOl57yW56iL_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/45db2c6601694bd1b79dd4d1dc574306.png