LeetCode-热题100:146. 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)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:

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

代码及注释

go 复制代码
type entry struct {
    key, value int
}

type LRUCache struct {
    capacity  int            // 缓存容量
    list      *list.List     // 双向链表,用于存储最近使用的键值对
    keyToNode map[int]*list.Element  // 哈希表,用于快速查找键对应的节点
}

// 构造函数
func Constructor(capacity int) LRUCache {
    return LRUCache{
        capacity:  capacity,
        list:      list.New(),
        keyToNode: make(map[int]*list.Element),
    }
}

// 获取键值
func (c *LRUCache) Get(key int) int {
    // 从哈希表中查找键对应的节点
    node := c.keyToNode[key]
    if node == nil {
        return -1
    }
    // 将使用过的节点移动到链表头部
    c.list.MoveToFront(node)
    return node.Value.(entry).value
}

// 存储键值
func (c *LRUCache) Put(key, value int) {
    // 如果键已存在,则更新其值,并将节点移动到链表头部
    if node := c.keyToNode[key]; node != nil {
        node.Value = entry{key, value}
        c.list.MoveToFront(node)
        return
    }
    
    // 如果缓存已满,则删除链表尾部的节点
    c.keyToNode[key] = c.list.PushFront(entry{key, value})
    if len(c.keyToNode) > c.capacity {
        tail := c.list.Back()
        delete(c.keyToNode, tail.Value.(entry).key)
        c.list.Remove(tail)
    }
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * obj := Constructor(capacity);
 * param_1 := obj.Get(key);
 * obj.Put(key,value);
 */

代码解释

  1. 结构体定义:

    go 复制代码
    type entry struct {
        key, value int
    }
    
    type LRUCache struct {
        capacity  int
        list      *list.List
        keyToNode map[int]*list.Element
    }
    • entry 结构体用于存储键值对。
    • LRUCache 结构体包含缓存的容量、双向链表和一个哈希表。
  2. 构造函数:

    go 复制代码
    func Constructor(capacity int) LRUCache {
        return LRUCache{
            capacity:  capacity,
            list:      list.New(),
            keyToNode: make(map[int]*list.Element),
        }
    }
    • 初始化一个 LRUCache 实例,并设置容量、双向链表和哈希表。
  3. 获取键值:

    go 复制代码
    func (c *LRUCache) Get(key int) int {
        node := c.keyToNode[key]
        if node == nil {
            return -1
        }
        c.list.MoveToFront(node)
        return node.Value.(entry).value
    }
    • 从哈希表中查找给定的键。
    • 如果键不存在,返回 -1。
    • 如果键存在,将对应的节点移动到链表头部,并返回值。
  4. 存储键值:

    go 复制代码
    func (c *LRUCache) Put(key, value int) {
        if node := c.keyToNode[key]; node != nil {
            node.Value = entry{key, value}
            c.list.MoveToFront(node)
            return
        }
        
        c.keyToNode[key] = c.list.PushFront(entry{key, value})
        if len(c.keyToNode) > c.capacity {
            tail := c.list.Back()
            delete(c.keyToNode, tail.Value.(entry).key)
            c.list.Remove(tail)
        }
    }
    • 检查给定的键是否已存在于哈希表中。
    • 如果键存在,更新其值,并将对应的节点移动到链表头部。
    • 如果键不存在,将新的键值对存入哈希表,并将对应的节点插入链表头部。
    • 如果缓存容量超过了限制,删除链表尾部的节点,并从哈希表中删除对应的键值对。

这个LRU Cache的实现使用了双向链表和哈希表来实现高效的插入、删除和更新操作,时间复杂度为 O(1)。

相关推荐
CoovallyAIHub12 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP13 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo13 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo13 小时前
300:最长递增子序列
算法
CoovallyAIHub18 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub19 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI1 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v2 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工2 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农2 天前
【React用到的一些算法】游标和栈
算法·react.js