LeetCode_数据结构设计_中等_146.LRU 缓存

绝地灬酷狼 2023-10-06 22:38 6阅读 0赞

#### 目录 ####

*  1.题目
 *  2.思路
 *  3.代码实现（Java）

## 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][Link 1]。

（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][LeetCode_460.LFU]

## 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);
     */

[Link 1]: https://leetcode.cn/problems/lru-cache/solution/lruhuan-cun-ji-zhi-by-leetcode-solution/
[LeetCode_460.LFU]: https://blog.csdn.net/weixin_43004044/article/details/124643544