力扣146 LRU缓存 Java版本

文章目录

题目描述
代码

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

代码

java 复制代码

import java.util.HashMap;

class LRUCache {
    //模拟一个LRU的过程，如果还有空间就能直接放入新的内容，如果没有了就删除最近未使用的内容
    //需要一个map来完成获取键值对的操作，然后关于给这些键值对排序的话就可以想到队列，然后双向链表实现一个队列比较容易增删
    //实现一个链表
    class DLinkedNode {
        int key;
        int val;
        DLinkedNode prev;
        DLinkedNode next;

        DLinkedNode() {
        }

        DLinkedNode(int key, int val) {
            this.key = key;
            this.val = val;
        }
    }

    //用map来存储键值对，因为val存在链表的节点中，所以这个map的value存储链表节点就行了
    HashMap<Integer, DLinkedNode> map;
    int capacity;//这个表示最大的容量
    //声明虚拟头节点和尾节点来方便遍历和插入
    DLinkedNode dummyHead = new DLinkedNode();
    DLinkedNode dummyTail = new DLinkedNode();

    //这是一个初始化函数
    public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        dummyHead.next = dummyTail;
        dummyTail.prev = dummyHead;
    }

    public int get(int key) {
        //查找到一个元素之后就返回val，查找不到就返回-1
        //这里要考虑查找到之后就将刚才查找的元素往前提来满足最近使用排序
        if (map.containsKey(key)) {
            DLinkedNode node = map.get(key);
            DLinkedNode pre = node.prev;
            pre.next = node.next;
            node.next.prev = pre;
            tohead(node);
            return node.val;
        } else {
            return -1;
        }
    }

    private void tohead(DLinkedNode node) {
        //将当前节点排序到队列的头部
        node.next = dummyHead.next;
        dummyHead.next.prev = node;
        dummyHead.next = node;
        node.prev = dummyHead;
    }

    public void put(int key, int value) {
        //更新或者插入一个值
        //如果能找到就更新
        if (map.containsKey(key)) {
            DLinkedNode node = map.get(key);
            node.val = value;
            DLinkedNode pre = node.prev;
            pre.next = node.next;
            node.next.prev = pre;
            tohead(node);
        } else {
            //找不到就插入，插入的时候需要判断一下是否超过容量
            if (map.size() + 1 <= capacity) {
                DLinkedNode node = new DLinkedNode(key, value);
                map.put(key, node);
                tohead(node);
            } else {
                DLinkedNode node = removelast();
                map.remove(node.key);
                DLinkedNode newNode = new DLinkedNode(key, value);
                map.put(key, newNode);
                tohead(newNode);
            }
        }
    }

    private DLinkedNode removelast() {
        DLinkedNode node = dummyTail.prev;
        dummyTail.prev = dummyTail.prev.prev;
        dummyTail.prev.next = dummyTail;
        node.next = null;
        node.prev = null;
        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);
 */