LeetCode146.LRU 缓存(哈希表+双向链表)

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。

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

解答

本题考查的就是hash表和双向链表,主要是让你手搓一个双向链表,比较考研基本功,我也是第一次写

首先是初始化链表,然后就是完成get方法和put方法,本题就是这三步。

  • 初始化链表:为链表设置容量,并且要添加两个空节点分别作为头和尾,便于我们删除尾节点,移动节点到头部,头部添加节点的操作。
  • get方法:首先我们要通过hash表进行定位,拿到该节点,并且要在链表中将该节点移动到头部,表示这是我们最新使用的节点
  • put方法:如果hash表中存在该节点,那我们需要修改它的值,并且在链表中将他移动到表头的位置;hash表中没有,那就需要我们进行添加,在表头添加该节点,并且在hash表中也要添加,然后链表长度加1。
    • 此时还要判断我们的链表长度是否大于链表给出的容量,超出容量的话要删除最近最少使用的节点,也就是我们的尾节点。

现在大概的思路有了,还有几个具体的函数需要实现,在头部添加一个节点,删除节点,移动节点到头部,删除尾节点。

主要的两个方法就是在头部添加节点和删除链表中的节点,其他方法都可以由这两个方法组合

  • 在头部添加节点

    这个可能有点绕,可以边看边自己手画一下,光想可能不好理解
  • 删除链表中的节点

    源代码:
java 复制代码
class LRUCache {
    // 定义链表的节点
    class LinkedNode{
        int key;
        int value;
        LinkedNode prev;
        LinkedNode next;
        public LinkedNode(){};
        public LinkedNode(int _key, int _value){this.key = _key; this.value = _value;}
    }

    // 定义一个hash表
    private Map<Integer, LinkedNode> cache = new HashMap<Integer, LinkedNode>();
    private int size = 0;
    private int capacity = 0;
    private LinkedNode head, tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.head = new LinkedNode();
        this.tail = new LinkedNode();
        head.next = tail;
        tail.prev = head;
    }
    
    public int get(int key) {
        LinkedNode node = cache.get(key);
        if(node == null){
            return -1;
        }
        moveToHead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        LinkedNode node = cache.get(key);
        if(node == null){
            // hash表中没有,将节点插入到链表头部和hash表中, 并且判断此时链表长度,超过容量要从尾部移除
            LinkedNode newNode = new LinkedNode(key, value);
            cache.put(key, newNode);
            addNodeToHead(newNode);
            this.size ++;
            if(this.size > this.capacity){
                LinkedNode tailNode = removeTail();
                cache.remove(tailNode.key);
                this.size --;
            }
        }else {
            // 链表中存在就更新值,并且将其放到头部
            node.value = value;
            moveToHead(node);
        }
    }

    public void moveToHead(LinkedNode node){
        removeNode(node);
        addNodeToHead(node);
    }

    public void removeNode(LinkedNode node){
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    public void addNodeToHead(LinkedNode node){
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }

    public LinkedNode removeTail(){
        LinkedNode res = tail.prev;
        removeNode(res);
        return res;
    }
}

本题就结束了,难度肯定是不大,就是第一次接触会有点懵

相关推荐
栗子~~6 小时前
JAVA - 二层缓存设计(本地缓冲+redis缓冲+广播所有本地缓冲失效) demo
java·redis·缓存
隔窗听雨眠7 小时前
多活部署、CDN加速与边缘缓存全链路优化实战
缓存
未若君雅裁8 小时前
MyBatis 一级缓存、二级缓存与清理机制
java·缓存·mybatis
1892280486110 小时前
NY352固态MT29F32T08GWLBHD6-24QJ:B
大数据·服务器·人工智能·科技·缓存
丷丩11 小时前
三级缓存下MVT地图瓦片服务性能优化策略
算法·缓存·性能优化·gis·geoai-up
m0_6294947311 小时前
LeetCode 热题 100-----25.回文链表
数据结构·算法·leetcode·链表
柿柿快乐12 小时前
Redis 入门第一课:全局命令、内部编码与单线程模型
redis·学习·缓存·基础教学
磊 子12 小时前
1.4CPU缓存一致性
java·spring cloud·缓存·系统
吃着火锅x唱着歌13 小时前
LeetCode 1019.链表中的下一个更大节点
算法·leetcode·链表
Tirzano14 小时前
超大型组和用户缓存redis
redis·缓存·哈希算法