lc 146. LRU 缓存

通过双向链表和哈希表实现

双向链表靠近头部是最近使用的键值对

双向链表靠近尾部是最久未被使用的键值对

哈希表将缓存数据作为key, value为其在双向链表中的位置

首先通过哈希表找到该项在双向链表中的位置,然后将其移动到链表的头部

对于get操作:

首先判断key是否存在,不存在返回-1

如果key存在,通过哈希表找出对应的位置,然后将它移动到头部

对于put操作:

如果key不存在,使用key和value创建一个新结点并放到头部,然后判断节点是是否超出容量,如果超出容量,则删除链表尾部节点,并删除出哈希表中对应的项

如果key存在,则更新哈希表中的value,并将链表中结点放到头部

class LRUCache {

//定义双向链表结构

class Node{

int key;

int value;

Node prev;

Node next;

public Node(){key = -1;}

public Node(int k, int v){

key = k;

value = v;

}

}

//定义哈希表和容量以及头尾结点

private Map<Integer, Node> mp = new HashMap<>();

private int capacity;

private Node head, tail;

//

public LRUCache(int capacity) {

this.capacity = capacity;

head = new Node();

tail = new Node();

head.next = tail;

tail.prev = head;

}

public int get(int key) {

if(mp.containsKey(key)){

Node node = mp.get(key);

//先删除该结点

node.prev.next = node.next;

node.next.prev = node.prev;

//移动到头部

moveToHead(node);

return node.value;

}else{

return -1;

}

}

public void put(int key, int value) {

if(mp.containsKey(key)){

Node node = mp.get(key);

node.value = value;

node.prev.next = node.next;

node.next.prev = node.prev;

moveToHead(node);

}else{

Node node = new Node(key, value);

mp.put(key, node);

if(mp.size() > capacity){

Node delNode = tail.prev;

mp.remove(delNode.key);

tail.prev.prev.next = tail;

tail.prev = tail.prev.prev;

}

moveToHead(node);

}

}

private void moveToHead(Node node){

node.prev = head;

node.next = head.next;

head.next.prev = node;

head.next = node;

}

}

相关推荐
cr7xin7 小时前
缓存三大问题及解决方案
redis·后端·缓存
爱怪笑的小杰杰8 小时前
浏览器端缓存地图请求:使用 IndexedDB + ajax-hook 提升地图加载速度
ajax·okhttp·缓存
星梦清河13 小时前
Redis(四):缓存击穿及其解决方案(SpringBoot+mybatis-plus)
spring boot·redis·缓存
塔能物联运维18 小时前
物联网边缘节点数据缓存优化与一致性保障技术
java·后端·物联网·spring·缓存
Maỿbe19 小时前
Redis的持久化
数据库·redis·缓存
白露与泡影1 天前
Redis:我是如何与客户端进行通信的
数据库·redis·缓存
小生凡一1 天前
redis 大key、热key优化技巧|空间存储优化|调优技巧(一)
数据库·redis·缓存
小马哥编程1 天前
【软考架构】案例分析-对比MySQL查询缓存与Memcached
java·数据库·mysql·缓存·架构·memcached
2301_802939901 天前
从零开始学习Redis(五):多级缓存
redis·学习·缓存
JavaEdge.1 天前
榨干 CPU 性能:通过绑核将 Redis 尾延迟减半!
数据库·redis·缓存