146. LRU 缓存

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

LRU缓存是经典的内存管理机制,实现方法是使用哈希表和双向链表为基础,通过互相映射,实现O(1)的平均算法时间

实现代码如下:

c 复制代码
// 增加一个头节点和尾节点方便处理
// 使用哈希表和双向链表来完成
// 哈希表 通过key 指向双向链表的存储value的节点
// 双向链表 存储value值,同时双向链表头部节点表示最新使用的,尾部节点表示最长时间没有使用的,如果摘除的话从尾部节点摘除,从头部节点插入


struct Node {
    int value;
    int key;
    struct Node *next;
    struct Node *prev;
};


typedef struct {
    struct Node *Hash[10010];
    struct Node *ListHead;
    struct Node *ListTail;
    int ListCount;
    int ListMaxCount;
} LRUCache;


LRUCache* lRUCacheCreate(int capacity) {
    LRUCache *obj = (LRUCache*)malloc(sizeof(LRUCache));
    if (obj == NULL) {
        return obj;
    }
    int i;
    for (i = 0; i < 10010; i++) {
        obj->Hash[i] = NULL;
    }
    obj->ListCount = 0;
    obj->ListMaxCount = capacity;
    obj->ListHead = (struct Node*)malloc(sizeof(struct Node));
    obj->ListTail = (struct Node*)malloc(sizeof(struct Node));
    obj->ListHead->next = obj->ListTail;
    obj->ListHead->prev = NULL;
    obj->ListTail->prev = obj->ListHead;
    obj->ListTail->next = NULL;
    return obj;
}

int lRUCacheGet(LRUCache* obj, int key) {
    // 判断元素是否存在,不存在直接返回-1, 如果存在,返回value,同时将node节点放到head位置
    if (obj->Hash[key] == NULL) {
        return -1;
    }

    struct Node *tmpNode = obj->Hash[key];
    // 先将节点摘除下来
    tmpNode->next->prev = tmpNode->prev;
    tmpNode->prev->next = tmpNode->next;
    // 将节点放到头结点后面
    tmpNode->next = obj->ListHead->next;
    obj->ListHead->next->prev = tmpNode;
    tmpNode->prev = obj->ListHead;
    obj->ListHead->next = tmpNode;
    return obj->Hash[key]->value;
}

void lRUCachePut(LRUCache* obj, int key, int value) {
    // 首先判断元素是否存在
    if (obj->Hash[key] != NULL) {
        obj->Hash[key]->value = value;
        struct Node *tmpNode = obj->Hash[key];
        // 先将节点摘除下来
        tmpNode->next->prev = tmpNode->prev;
        tmpNode->prev->next = tmpNode->next;
        // 将节点放到头结点后面
        tmpNode->next = obj->ListHead->next;
        obj->ListHead->next->prev = tmpNode;
        tmpNode->prev = obj->ListHead;
        obj->ListHead->next = tmpNode;
        return;
    }
    //如果不存在,插入节点,如果超过最大数量,将链表尾部节点抛弃
    // 插入新节点插入到节点头
    struct Node *newNode = (struct Node*)malloc(sizeof(struct Node));
    newNode->value = value;
    newNode->key = key;
    obj->Hash[key] = newNode;
    // 将节点放到头结点后面
    newNode->next = obj->ListHead->next;
    obj->ListHead->next->prev = newNode;
    newNode->prev = obj->ListHead;
    obj->ListHead->next = newNode;
    (obj->ListCount)++;
    if (obj->ListCount > obj->ListMaxCount) { //超过最大数量,将链表尾部节点抛弃
        struct Node *tmpNode = obj->ListTail->prev;
        tmpNode->prev->next = obj->ListTail;
        obj->ListTail->prev = tmpNode->prev;
        obj->Hash[tmpNode->key] = NULL;
        free(tmpNode);
        (obj->ListCount)--;
    }
}

void lRUCacheFree(LRUCache* obj) {
    struct Node *tmpNode = NULL;
    while(obj->ListHead != NULL) {
        tmpNode = obj->ListHead;
        obj->ListHead = obj->ListHead->next;
        free(tmpNode);
    }
    free(obj);
}

/**
 * Your LRUCache struct will be instantiated and called as such:
 * LRUCache* obj = lRUCacheCreate(capacity);
 * int param_1 = lRUCacheGet(obj, key);
 
 * lRUCachePut(obj, key, value);
 
 * lRUCacheFree(obj);
*/
相关推荐
小河豚oO14 分钟前
LeetCode 热题 100 - 哈希 - 128
算法·leetcode·哈希算法
客卿12316 分钟前
力扣100题之128. 最长连续序列
算法·leetcode·哈希算法
T1an-116 分钟前
【力扣链表篇】206.反转链表
算法·leetcode·链表
想用offer打牌21 分钟前
面试回答喜欢用构造器注入,面试官很满意😎...
后端·spring·面试
唐墨12331 分钟前
PublishSubject、ReplaySubject、BehaviorSubject、AsyncSubject的区别
java·后端·spring
码农开荒路1 小时前
Redis底层数据结构之字典(Dict)
java·数据结构·数据库·redis
xphjj2 小时前
树形数据模糊搜索
前端·javascript·算法
ApiHug2 小时前
ApiHug 1.3.9 支持 Spring 3.5.0 + Plugin 0.7.4 内置小插件升级!儿童节快乐!!!
java·后端·spring·api·apihug·apismart
yxc_inspire2 小时前
基于Qt的app开发第十三天
c++·qt·app·tcp·面向对象
Once_day2 小时前
代码训练LeetCode(24)数组乘积
算法·leetcode