LeetCode-146. LRU 缓存【设计 哈希表 链表 双向链表】

LeetCode-146. LRU 缓存【设计 哈希表 链表 双向链表】

• 题目描述：
• [解题思路一：双向链表，函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。一张图：](#解题思路一：双向链表，函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。一张图：)
• • 知识点__slots__
• 解题思路二：0
• 解题思路三：0

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：

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

解题思路一：双向链表，函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。一张图：

class Node:
    __slots__ = 'prev', 'next', 'key', 'value' # 提高访问属性的速度，并节省内存
    def __init__(self, key = 0, value = 0):
        self.key = key
        self.value = value

class LRUCache:

    def __init__(self, capacity: int):
        self.capacity = capacity
        self.dummy = Node() # 哨兵节点
        self.dummy.prev = self.dummy
        self.dummy.next = self.dummy
        self.key_to_node = dict()


    def get(self, key: int) -> int:
        node = self.get_node(key)
        return node.value if node else -1


    def put(self, key: int, value: int) -> None:
        node = self.get_node(key)
        if node: # 有这本书
            node.value = value # 更新 value
            return 
        self.key_to_node[key] = node = Node(key, value) # 新书
        self.push_front(node) # 放在最上面
        if len(self.key_to_node) > self.capacity: # 书太多了
            back_node = self.dummy.prev
            del self.key_to_node[back_node.key] # 去掉最后一本书
            self.remove(back_node) # 去掉最后一本书

    def get_node(self, key: int) -> Optional[Node]:
        if key not in self.key_to_node: # 没有这本书
            return None
        node = self.key_to_node[key] # 有这本书
        self.remove(node) # 把这本书抽出来
        self.push_front(node) # 放在最上面
        return node
    
    def remove(self, x: Node) -> None: # 删除一个节点（抽出一本书）
        x.prev.next = x.next
        x.next.prev = x.prev

    def push_front(self, x: Node) -> None: # 在链表头添加一个节点（把一本书放在最上面）
        x.prev = self.dummy
        x.next = self.dummy.next
        x.prev.next = x
        x.next.prev = x

# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)

时间复杂度：O(1)

空间复杂度：O(min(p,capacity))，其中 p 为 put 的调用次数。

知识点__slots__

slots 是 Python 中用于优化类的属性访问和节省内存的特殊属性。当你定义一个类时，通常每个实例对象都会有一个字典来存储其属性和方法，这种灵活性使得可以在运行时动态地添加、修改和删除属性。然而，对于某些需要高性能和节省内存的场景，这种灵活性可能会显得过于浪费资源。

slots 的作用就是告诉解释器：这个类的实例只能拥有 slots 中指定的属性，而不再使用字典来存储属性。这样做的好处有两个：

1. 提高访问速度： 由于属性被限定在预定义的集合中，访问这些属性时不再需要通过字典查找，而是可以直接定位到它们，因此访问速度会更快。

2. 节省内存： 没有了动态属性字典，实例对象所需的内存空间会更小。这在需要大量创建实例对象的场景中尤为有用，可以有效地节省内存资源。

使用 slots 时，你需要在类中定义一个 slots 属性，这个属性是一个字符串组成的元组，用于指定类的实例可以拥有的属性名称。例如：

class MyClass:
    __slots__ = ('attr1', 'attr2')

    def __init__(self, a, b):
        self.attr1 = a
        self.attr2 = b

在这个例子中，MyClass 的实例只能拥有 attr1 和 attr2 这两个属性，而不能拥有其他动态添加的属性。这样就提高了访问速度和节省了内存。

需要注意的是，使用 slots 也有一些限制：

• 不能动态添加新的属性，因为 slots 指定了固定的属性集合。
• 每个实例只能拥有 slots 中指定的属性，而不能拥有其他属性。
• 继承时如果子类定义了 slots ，则父类的 slots 不会被继承。

因此，在需要优化属性访问速度和节省内存的情况下，可以考虑使用 slots。

解题思路二：0

时间复杂度：O(n)

空间复杂度：O(n)

解题思路三：0

时间复杂度：O(n)

空间复杂度：O(n)