LeetCode146: LRU缓存

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

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

解题思想

1、使用双向链表

2、使用HashMap

将最近使用的放到链表头部,如果超过容量就将最尾部的删除掉。

代码

cpp 复制代码
class LRUCache {
public:

	//定义双向链表
	struct Node {
		int key, val;
		Node* next, * prev;
		Node(): key(0), val(0), prev(nullptr), next(nullptr){};
		Node(int _key,int _val):key(_key),val(_val), prev(nullptr), next(nullptr) {};
	};
	//链表的首尾节点
	Node* head, *tail;
	//key和结点的映射关系
	unordered_map<int, Node*> umap;
	int capacity,size; //容量大小和已经使用的大小
	LRUCache(int capacity) {
		//初始化
		this->capacity = capacity;
		this->size = 0;
		head = new Node();
		tail = new Node();
		head->next = tail;
		tail->prev = head;
	}

	int get(int key) {
		//如果不存在返回-1
		if (!umap.count(key))
			return -1;
		Node* node = umap[key];
		removeNode(node);
		addNodeToHead(node);
		return node->val;
	}
			
	
	void put(int key, int value) {

		
		//如果链表中key存在,就修改value的值,然后再插入到表头
		if (umap.count(key)) {
			Node* node = umap[key];
			node->val = value;
			removeNode(node);
			addNodeToHead(node);
		}
		//如果不存在
		else {
			//如果容量不够,就先删除最久未使用的,然后再创建一个新的结点
			if (capacity == size) {
				Node* removed = tail->prev;
				//从哈希表中删除最久未访问的
				umap.erase(removed->key);
				//从链表中也删除
				removeNode(removed);
				size--;
			
			}
			//新创建一个节点
			Node* node = new Node(key, value);
			addNodeToHead(node);
			umap[key] = node;
			size++;
		}
	}
	
	//删除当前节点
	void removeNode(Node* node) {
		node->prev->next = node->next;
		node->next->prev = node->prev;
	}

	//添加到表头
	void  addNodeToHead(Node* node) {
		node->prev = head;
		node->next = head->next;
		head->next->prev = node;
		head->next = node;
	}
};
相关推荐
野犬寒鸦21 分钟前
Redis热点key问题解析与实战解决方案(附大厂实际方案讲解)
服务器·数据库·redis·后端·缓存·bootstrap
菜菜小狗的学习笔记3 小时前
黑马程序员Redis--实战篇(黑马点评)
数据库·redis·缓存
zz-zjx3 小时前
harbor使用外置db,redis,存储(minio)通过pigsty安装(单机)
数据库·redis·缓存
CDN3606 小时前
CDN 缓存不生效 / 内容不更新?7 种原因 + 一键刷新方案
运维·网络安全·缓存
清水白石0086 小时前
《Python 性能优化实战:多进程并行 vs C/Rust/Cython 扩展的对比决策与团队落地指南》
python·spring·缓存
红云梦7 小时前
互联网三高-高性能之多级缓存架构
java·redis·缓存·架构·cdn
歪瑞马奇8 小时前
Course17:SGLang 深度优化:Radix 缓存与复杂任务的极致吞吐
缓存
小松加哲8 小时前
Spring AOP 代理创建时机深度解析:初始化阶段 vs 三级缓存(源码级)
java·spring·缓存
大能嘚吧嘚8 小时前
Redis客户端框架-Redisson
数据库·redis·缓存
山楂树の20 小时前
【计算机系统原理】 组相联 Cache 地址划分与访问过程
缓存