题目描述
设计一个 LRU（最近最少使用）缓存结构，支持以下操作：
get(key)：如果 key 存在于缓存中，则获取 key 对应的 value；否则返回 - 1put(key, value)：如果 key 不存在，则插入该键值对；如果 key 已存在，则更新 value；如果缓存满了，则删除最久未使用的项后再插入
要求：get 和 put 操作的时间复杂度均为 O (1)
解题思路
要实现一个高效的 LRU 缓存，我们需要兼顾快速查找和快速插入删除的需求。可以采用以下数据结构组合：
- 哈希表（HashMap）：用于快速查找节点，键为缓存的 key，值为双向链表的节点引用
- 双向链表：用于维护节点的访问顺序，最近使用的节点移到链表头部，最久未使用的节点在链表尾部
这样组合的好处是：
- 哈希表提供 O (1) 时间复杂度的查找
- 双向链表提供 O (1)
- 时间复杂度的插入和删除
import java.util.HashMap;
import java.util.Map;
public class LRUCache {
// 双向链表节点
static class Node {
int key;
int value;
Node prev;
Node next;
public Node(int key, int value) {
this.key = key;
this.value = value;
}
}
private final int capacity;
private final Map<Integer, Node> cache;
// 虚拟头节点和尾节点，简化边界处理
private final Node head;
private final Node tail;
public LRUCache(int capacity) {
this.capacity = capacity;
this.cache = new HashMap<>(capacity);
// 初始化虚拟节点
head = new Node(0, 0);
tail = new Node(0, 0);
head.next = tail;
tail.prev = head;
}
// 获取缓存值
public int get(int key) {
if (!cache.containsKey(key)) {
return -1;
}
Node node = cache.get(key);
// 将访问的节点移到头部，表示最近使用
moveToHead(node);
return node.value;
}
// 放入缓存
public void put(int key, int value) {
if (cache.containsKey(key)) {
// 键已存在，更新值并移到头部
Node node = cache.get(key);
node.value = value;
moveToHead(node);
} else {
// 键不存在，创建新节点
Node newNode = new Node(key, value);
cache.put(key, newNode);
// 添加到头部
addToHead(newNode);
// 如果超出容量，删除尾部节点
if (cache.size() > capacity) {
Node tailNode = removeTail();
cache.remove(tailNode.key);
}
}
}
// 将节点移到头部
private void moveToHead(Node node) {
removeNode(node);
addToHead(node);
}
// 移除节点
private void removeNode(Node node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
// 添加节点到头部
private void addToHead(Node node) {
node.next = head.next;
node.prev = head;
head.next.prev = node;
head.next = node;
}
// 移除尾部节点（最久未使用）
private Node removeTail() {
Node res = tail.prev;
removeNode(res);
return res;
}
// 测试方法
public static void main(String[] args) {
LRUCache cache = new LRUCache(2);
cache.put(1, 1);
cache.put(2, 2);
System.out.println(cache.get(1)); // 输出 1
cache.put(3, 3); // 超出容量，删除key=2
System.out.println(cache.get(2)); // 输出 -1
cache.put(4, 4); // 超出容量，删除key=1
System.out.println(cache.get(1)); // 输出 -1
System.out.println(cache.get(3)); // 输出 3
System.out.println(cache.get(4)); // 输出 4
}
}