LeetCode 164. LRU 缓存

LRU缓存

题目描述
示例
解题思路
[C++ 代码](#C++ 代码)

题目描述

请你设计并实现一个满足 LRU (最近最久未使用) 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

解题思路

首先，函数 get 和 put以 O(1) 的平均时间复杂度运行，那么就要使用到hash table进行查询操作。

hash table 中存放什么内容呢？其中key必然是我们执行查询的key，那么value存放什么呢？因为涉及到时间复杂度为O(1)的驱逐操作，我们考虑使用链表进行维护。你可以将此链表想象为特殊的优先队列。链表中，元素越靠前，那么它就是最近使用的。

对于get操作，首先判断key是否存在，不存在就返回-1。如果key存在，那么我们返回元素value。
对于put操作，首先判断key是否存在，不存在我们需要构造元素然后将元素插入到链表头部，并且需要维护哈希表。如果key存在，那么我们需要将元素插入到链表头部，并更新哈希表。

C++ 代码

cpp 复制代码

struct DLinkNode {
    int key, value;
    DLinkNode* prev, * next;
    DLinkNode()
        : key(0), value(0), prev(nullptr), next(nullptr)
    {}
    DLinkNode(int _key, int _value)
        : key(_key), value(_value), prev(nullptr), next(nullptr)
    {}
};

class LRUCache {
public:
    LRUCache(int _capacity) 
        : capacity(_capacity), size(0)
    {
        head = new DLinkNode();
        tail = new DLinkNode();
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) {
        // if (!cache.count(key)) return -1;
        if (cache.find(key) != cache.end()) {
            DLinkNode* node = cache[key];
            move_to_head(node);
            return node->value;
        } else {
            return -1;
        }
    }
    
    void put(int key, int value) {
        if (cache.find(key) != cache.end()) {
            DLinkNode* node = cache[key];
            node->value = value;
            move_to_head(node);
        } else {
            DLinkNode* node = new DLinkNode(key, value);
            cache.insert({key, node});
            // 其他插入的方法：1. cache[key] = value;  使用索引操作符  2. cache.insert(make_pair(key, node));  使用insert member func 3. cache.empalce(key, node); 使用emplace member func
            add_to_head(node);
            ++size;
            if (size > capacity) {
                DLinkNode* removed = remove_tail();
                cache.erase(removed->key);
                delete removed;
                --size;
            }
        }
    }
private:
    unordered_map<int, DLinkNode*> cache;
    DLinkNode* head, * tail;
    int size, capacity;
    
    void add_to_head(DLinkNode* node) {
        DLinkNode* tmp = head->next;
        head->next = node;
        node->prev = head;
        node->next = tmp;
        tmp->prev = node;
    }

    DLinkNode* remove_tail() {
        DLinkNode* node = tail->prev;
        tail->prev->prev->next = tail;
        tail->prev = tail->prev->prev;
        return node;
    }

    void move_to_head(DLinkNode* node) {
        node->prev->next = node->next;
        node->next->prev = node->prev;
        add_to_head(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);
 */