高效实现 LRU 缓存机制：双向链表与哈希表的结合

junjunyi2025-07-30 21:08

题目：

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

为了实现一个满足 LRU（最近最少使用）缓存约束的数据结构，我们可以使用哈希表（HashMap）和双向链表（Doubly Linked List）的组合。如下图展示：

设计思路：

哈希表：

  • 用于存储键值对，键是 key，值是一个指向双向链表节点的指针。
  • 哈希表的查找操作时间复杂度为 O(1)。

双向链表：

  • 用于维护最近使用的顺序，链表的头部是最久未使用的节点，尾部是最近使用的节点。
  • 双向链表的插入和删除操作时间复杂度为 O(1)。

操作逻辑：

  1. get (key)：
  • 如果键存在，将其对应的节点移动到双向链表的尾部（表示最近使用）。
  • 返回对应的值。
  1. put (key, value)：
  • 如果键存在，更新其值，并将其移动到双向链表的尾部。
  • 如果键不存在，创建新节点并插入到双向链表的尾部。
  • 如果缓存容量超出限制，删除双向链表头部的节点（最久未使用的节点）。

那为什么使用双向链表，而不使用其他数据结构呢？

原因如下：

在实现 LRU（最近最少使用）缓存时，双向链表是一种非常合适的数据结构，主要原因在于它能够高效地支持以下两个关键操作：

1. 快速移动节点：

  • LRU 缓存需要频繁地将某个节点标记为"最近使用"，即将其移动到链表的尾部。
  • 双向链表允许在 O(1) 时间内完成节点的插入和删除操作，因为每个节点都有指向前一个节点和后一个节点的指针。
  • 如果使用单向链表，删除操作需要从头开始遍历找到目标节点的前一个节点，时间复杂度为 O(n)。

2. 快速访问最久未使用的节点：

  • LRU 缓存需要在缓存满时删除最久未使用的节点。
  • 双向链表的头部始终是最久未使用的节点，可以直接通过头节点访问，时间复杂度为 O(1)。
  • 如果使用其他数据结构（如数组或单向链表），找到最久未使用的节点需要遍历整个数据结构，时间复杂度为 O(n)。

虽然双向链表本身已经非常高效，但单独使用双向链表无法快速找到某个特定的键值对。因此，通常会结合哈希表来实现 LRU 缓存：

  • 哈希表：用于快速查找键值对，时间复杂度为 O(1)。
  • 双向链表：用于维护最近使用的顺序，时间复杂度为 O(1)。
    通过这种组合，get 和 put 操作都能在 O(1) 时间复杂度内完成，同时满足 LRU 缓存的所有要求。

为什么其他数据结构不够理想？

1. 数组（或动态数组，如 Java 中的 ArrayList）

优点：可以通过索引快速访问任意位置的元素。

缺点：插入和删除操作需要移动大量元素，时间复杂度为 O(n)。无法快速找到最久未使用的元素，需要遍历整个数组。

2. 单向链表

优点：插入和删除操作的时间复杂度为 O(1)。

缺点：删除操作需要找到目标节点的前一个节点，需要从头开始遍历，时间复杂度为 O(n)。无法快速访问最久未使用的节点，需要从头开始遍历。

3. 队列

优点：可以快速访问队首和队尾的元素。

缺点：无法在队列中间插入或删除元素，无法快速将某个节点移动到队尾。无法快速找到某个特定的键值对。

4. 堆（如优先队列）

优点：可以快速找到最大值或最小值。

缺点：堆的插入和删除操作的时间复杂度为 O(logn)，无法在 O(1) 时间内完成。无法快速找到某个特定的键值对。

双向链表的优势总结：

  1. 高效插入和删除：双向链表允许在 O(1) 时间内完成节点的插入和删除操作。

  2. 快速访问最久未使用的节点：双向链表的头部始终是最久未使用的节点，可以直接访问。

  3. 灵活的节点移动：可以快速将任意节点移动到链表的尾部，表示其最近被使用。

明白了为什么使用双向链表和哈希表之后，下面给出详细的算法步骤和代码来实现这道题：

数据结构设计：

  • 双向链表（Doubly Linked List）：用于维护最近使用的顺序。链表的头部是最久未使用的节点，尾部是最近使用的节点。每个节点存储键值对 (key, value)。
  • 哈希表（HashMap）：用于快速查找节点。键是 key，值是对应的双向链表节点。

初始化：

  • 初始化缓存容量 capacity。

  • 初始化哈希表 cache。

  • 初始化双向链表的虚拟头节点 head 和虚拟尾节点 tail，并连接它们。

    class LRUCache {
    private final int capacity;
    private final Map<Integer, Node> cache;
    private final Node head;
    private final Node tail;

    复制代码 
      public LRUCache(int capacity) {
      this.capacity = capacity;
      this.cache = new HashMap<>();
      this.head = new Node(-1, -1); // 虚拟头节点
      this.tail = new Node(-1, -1); // 虚拟尾节点
      head.next = tail;
      tail.prev = head;
  }

    }

算法步骤：

1. get(int key) 操作

目标：如果键存在于缓存中，返回其值，并将其标记为最近使用；如果不存在，返回 -1。

（1）查找键：

  • 在哈希表中查找键 key。
  • 如果键不存在，返回 -1。

（2）更新节点位置：

  • 如果键存在，获取对应的节点 node。
  • 将该节点从双向链表中移除（调用 _remove(node)）。
  • 将该节点添加到双向链表的尾部（调用 _add(node)）。

（3）返回值：返回节点的值 node.value。

复制代码 
public int get(int key) {
    if (!cache.containsKey(key)) {
        return -1;
    }
    Node node = cache.get(key);
    remove(node); // 移除旧位置
    add(node);    // 添加到尾部
    return node.value;
}

2. put(int key, int value) 操作

目标：插入或更新键值对，并维护缓存的容量限制。

（1）如果键存在：

  • 更新节点的值 node.value = value。
  • 将该节点从双向链表中移除（调用 _remove(node)）。

（2）插入新节点：

  • 创建一个新节点 node = new Node(key, value)。
  • 将新节点添加到双向链表的尾部（调用 _add(node)）。
  • 将新节点存入哈希表 cache.put(key, node)。

（3）检查容量：

  • 如果缓存大小超过容量 capacity：

  • 删除双向链表头部的节点（最久未使用的节点）。

  • 从哈希表中移除对应的键 del cache[lruNode.key]。

    public void put(int key, int value) {
    if (cache.containsKey(key)) {
    Node node = cache.get(key);
    node.value = value; // 更新值
    remove(node); // 移除旧位置
    } else {
    Node node = new Node(key, value);
    if (cache.size() >= capacity) {
    // 删除最久未使用的节点（头节点的下一个）
    Node lruNode = head.next;
    remove(lruNode);
    cache.remove(lruNode.key);
    }
    cache.put(key, node);
    }
    add(cache.get(key)); // 添加到尾部
    }

3. 辅助操作

（1） remove(Node node)：

从双向链表中移除指定节点。

更新前后节点的指针：

复制代码 
node.prev.next = node.next;
node.next.prev = node.prev;

（2） add(Node node)：

将节点添加到双向链表的尾部。

更新尾部节点的指针：

复制代码 
Node prev = tail.prev;
prev.next = node;
tail.prev = node;
node.prev = prev;
node.next = tail;

完整 Java 代码实现：

复制代码 
import java.util.HashMap;
import java.util.Map;

class LRUCache {
    private final int capacity;
    private final Map<Integer, Node> cache;
    private final Node head;
    private final Node tail;

    static class Node {
        int key;
        int value;
        Node prev;
        Node next;

        Node(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }

    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();
        this.head = new Node(-1, -1); // 虚拟头节点
        this.tail = new Node(-1, -1); // 虚拟尾节点
        head.next = tail;
        tail.prev = head;
    }

    public int get(int key) {
        if (!cache.containsKey(key)) {
            return -1;
        }
        Node node = cache.get(key);
        // 移除旧位置
        remove(node);
        // 添加到尾部
        add(node);
        return node.value;
    }

    public void put(int key, int value) {
        if (cache.containsKey(key)) {
            // 如果键存在，更新值并移除旧位置
            Node node = cache.get(key);
            node.value = value;
            remove(node);
        } else {
            // 如果键不存在，创建新节点
            Node node = new Node(key, value);
            if (cache.size() >= capacity) {
                // 如果超出容量，删除最久未使用的节点（头节点的下一个）
                Node lruNode = head.next;
                remove(lruNode);
                cache.remove(lruNode.key);
            }
            cache.put(key, node);
        }
        // 添加到尾部
        add(cache.get(key));
    }

    private void remove(Node node) {
        // 从双向链表中移除节点
        Node prev = node.prev;
        Node next = node.next;
        prev.next = next;
        next.prev = prev;
    }

    private void add(Node node) {
        // 将节点添加到双向链表的尾部
        Node prev = tail.prev;
        prev.next = node;
        tail.prev = node;
        node.prev = prev;
        node.next = tail;
    }

    public static void main(String[] args) {
        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}
        System.out.println(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}
        System.out.println(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}
        System.out.println(lRUCache.get(1)); // 返回 -1 (未找到)
        System.out.println(lRUCache.get(3)); // 返回 3
        System.out.println(lRUCache.get(4)); // 返回 4
    }
}
相关推荐
〃冷·夏ぐ15 分钟前
Java内存模型(JMM)
java·开发语言
bug菌17 分钟前
你以为用Java做个记事本很简单？我...
java·后端·java ee
●VON19 分钟前
重生之我在暑假学习微服务第五天《Docker部署项目篇》
java·学习·docker·微服务·云原生·架构·暑假
Cosolar19 分钟前
深入 Quartz 的内核：它是如何“到点就把任务叫醒”的
java·后端·面试
泉城老铁25 分钟前
Spring Boot 对接支付宝支付的详细流程和步骤
java·后端·架构
ALLSectorSorft38 分钟前
相亲小程序聊天与互动系统模块搭建
java·数据库·sql·microsoft·oracle
励志成为糕手1 小时前
编程语言Java——核心技术篇（五）IO流：数据洪流中的航道设计
java·开发语言·性能优化
慕y2742 小时前
Java学习第八十四部分——HttpClient
java·开发语言·学习
LZQqqqqo2 小时前
C#_创建自己的MyList列表
java·算法·c#
fouryears_234172 小时前
RabbitMQ 发送方确认的两大工具 (With Spring Boot)
java·spring boot·rabbitmq·java-rabbitmq
热门推荐
01Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code02全球最强模型Grok4，国内已可免费使用！（附教程）03Coze 开源了，送上保姆级私有化部署方案【建议收藏】04MSPM0G3507——读取引脚的高低电平方法（数字信号循迹模块）05腾讯还是太全面了，限时免费！超全CodeBuddy IDE保姆级教程！（附案例）06扣子开源本地部署教程 丨Coze智能体小白喂饭级指南07KGG转MP3工具|非KGM文件|解密音频08【手把手攻略】国家育儿补贴正式开领！一键算清你能拿多少钱？附补贴领取计算器09机器学习——多项式回归算法10coze 开源版本地部署及踩过的坑【喂饭级教程】