【LeetCode刷题】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)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 getput 必须以 O(1) 的平均时间复杂度运行。

示例:

复制代码
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

思路:这道题的难点在于记录最近最少使用,使用map可以满足get的O(1),但是无法记录最近最少使用的数据;如果使用数组,删除/增加的时间复杂度则是O(n),也不满足。

使用哈希表 + 双向链表可以满足删除/增加的时间复杂度为O(1)。

这个图太形象了。

(1)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

(2)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。

(3)对于 get 操作,首先判断 key 是否存在:

(a)如果 key 不存在,则返回 −1;

(b)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。

(3)对于 put 操作,首先判断 key 是否存在:

(a)如果 key 不存在,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。然后判断双向链表的节点数是否超出容量,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;

(b)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。

思路很清晰

cpp 复制代码
class LRUCache {
public:
    LRUCache(int capacity) {

    }
    
    int get(int key) {

    }
    
    void put(int key, int value) {

    }
};

/**
 * 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);
 */

一步步实现:

(1)定义双链表

cpp 复制代码
struct DLinkedNode {
    int key, value;             // k-v
    DLinkedNode* prev;          // 前向指针
    DLinkedNode* next;          // 后向指针
    // 两个构造函数
    DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
    DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};

(2)在LRUCache类中添加成员属性:哈希表+双向链表

cpp 复制代码
class LRUCache {
public:
    // 新加的
    unordered_map<int, DLinkedNode*> cache;
    DLinkedNode* head;            // 伪头节点,不存数据
    DLinkedNode* tail;            // 伪尾节点,不存数据
    int size;                     // 当前存储的数量,当size==capacity时,要移出数据了
    int capacity;                 // 容量

    // 实现构造函数
    LRUCache(int _capacity): capacity(_capacity), size(0) {
        // 使用伪头节点和伪尾节点,不存数据
        head = new DLinkedNode();
        tail = new DLinkedNode();
        // 开始时一个数据都没有
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) {

    }
    
    void put(int key, int value) {

    }
};

(3)实现双向链表中的【在头部添加数据】、【任意位置删除数据】、【数据移动到头部】、【从尾部删除数据】

在头部添加数据

cpp 复制代码
    // 在头部添加数据
    void addToHead(DLinkedNode* node) {
        node->prev = head;
        node->next = head->next;
        head->next->prev = node;
        head->next = node;
    }

任意位置删除数据

cpp 复制代码
    // 任意位置删除数据
    void removeNode(DLinkedNode* node) {
        node->prev->next = node->next;
        node->next->prev = node->prev;
    }

数据移动到头部

cpp 复制代码
    // 移动数据到头部
    void moveToHead(DLinkedNode* node) {
        removeNode(node);
        addToHead(node);
    }

从尾部删除数据

cpp 复制代码
    // 从尾部删除数据
    DLinkedNode* reoveTail() {
        DLinkedNode* node = tail->prev;
        removeNode(node);
        return node;
    }

(4)实现get函数

如果不存在直接返回-1,存在的话,先通过哈希表定位,再移动到头部

cpp 复制代码
    int get(int key) {
        // 不存在
        if (cache.count(key) == 0) {
            return -1;
        }
        // 通过哈希找到,移动到头部
        DLinkedNode* node = cache[key];
        moveToHead(node);
        return node->value;
    }

(5)实现put函数

如果key不存在,则创建一个节点,注意size==capacity的情况,此时删除队尾数据

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

如果存在,修改value,再将该节点移动到队头

cpp 复制代码
 void put(int key, int value) {
        // 不存在
        if (cache.count(key) == 0) {
            DLinkedNode* node = new DLinkedNode(key, value);
            cache[key] = node;          // 添加到哈希表中
            addToHead(node);            // 移动到队头
            size++;
            if (size > capacity) {
                DLinkedNode* removeNode = reoveTail();  // 删除尾部数据
                cache.erase(removeNode->key);           // 删除哈希中的数据
                delete removeNode;
                size--; 
            }
        } else {
            DLinkedNode* node = cache[key];
            node->value = value;
            moveToHead(node);               // 移到队头
        }
    }

全部代码实现

cpp 复制代码
struct DLinkedNode {
    int key, value;             // k-v
    DLinkedNode* prev;          // 前向指针
    DLinkedNode* next;          // 后向指针
    // 两个构造函数
    DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
    DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};

class LRUCache {
public:
    unordered_map<int, DLinkedNode*> cache;
    DLinkedNode* head;
    DLinkedNode* tail;
    int size;
    int capacity;


    LRUCache(int _capacity): capacity(_capacity), size(0) {
        // 使用伪头节点和伪伪节点,不存数据
        head = new DLinkedNode();
        tail = new DLinkedNode();
        // 开始时一个数据都没有
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) {
        // 不存在
        if (cache.count(key) == 0) {
            return -1;
        }
        // 通过哈希找到,移动到头部
        DLinkedNode* node = cache[key];
        moveToHead(node);
        return node->value;
    }
    
    void put(int key, int value) {
        // 不存在
        if (cache.count(key) == 0) {
            DLinkedNode* node = new DLinkedNode(key, value);
            cache[key] = node;          // 添加到哈希表中
            addToHead(node);            // 移动到队头
            size++;
            if (size > capacity) {
                DLinkedNode* removeNode = reoveTail();  // 删除尾部数据
                cache.erase(removeNode->key);           // 删除哈希中的数据
                delete removeNode;
                size--; 
            }
        } else {
            DLinkedNode* node = cache[key];
            node->value = value;
            moveToHead(node);               // 移到队头
        }
    }

    // 在头部添加数据
    void addToHead(DLinkedNode* node) {
        node->prev = head;
        node->next = head->next;
        head->next->prev = node;
        head->next = node;
    }

    // 任意位置删除数据
    void removeNode(DLinkedNode* node) {
        node->prev->next = node->next;
        node->next->prev = node->prev;
    }

    // 移动数据到头部
    void moveToHead(DLinkedNode* node) {
        removeNode(node);
        addToHead(node);
    }

    // 从尾部删除数据
    DLinkedNode* reoveTail() {
        DLinkedNode* node = tail->prev;
        removeNode(node);
        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);
 */

参考:【字节一面】 LRU Cache 实现剖析_哔哩哔哩_bilibili

链接:. - 力扣(LeetCode)

相关推荐
盼海18 分钟前
排序算法(五)--归并排序
数据结构·算法·排序算法
只因在人海中多看了你一眼1 小时前
分布式缓存 + 数据存储 + 消息队列知识体系
分布式·缓存
Dlwyz2 小时前
redis-击穿、穿透、雪崩
数据库·redis·缓存
网易独家音乐人Mike Zhou4 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
Oak Zhang7 小时前
sharding-jdbc自定义分片算法,表对应关系存储在mysql中,缓存到redis或者本地
redis·mysql·缓存
Swift社区7 小时前
LeetCode - #139 单词拆分
算法·leetcode·职场和发展
Kent_J_Truman8 小时前
greater<>() 、less<>()及运算符 < 重载在排序和堆中的使用
算法
门牙咬脆骨8 小时前
【Redis】redis缓存击穿,缓存雪崩,缓存穿透
数据库·redis·缓存
门牙咬脆骨8 小时前
【Redis】GEO数据结构
数据库·redis·缓存
IT 青年8 小时前
数据结构 (1)基本概念和术语
数据结构·算法