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
思路:这道题的难点在于记录最近最少使用,使用map可以满足get的O(1),但是无法记录最近最少使用的数据;如果使用数组,删除/增加的时间复杂度则是O(n),也不满足。
使用哈希表 + 双向链表可以满足删除/增加的时间复杂度为O(1)。
这个图太形象了。
(1)双向链表按照被使用的顺序存储了这些键值对,靠近头部的键值对是最近使用的,而靠近尾部的键值对是最久未使用的。
(2)哈希表即为普通的哈希映射(HashMap),通过缓存数据的键映射到其在双向链表中的位置。
(3)对于 get 操作,首先判断 key 是否存在:
(a)如果 key 不存在,则返回 −1;
(b)如果 key 存在,则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置,并将其移动到双向链表的头部,最后返回该节点的值。
(3)对于 put 操作,首先判断 key 是否存在:
(a)如果 key 不存在,使用 key 和 value 创建一个新的节点,在双向链表的头部添加该节点,并将 key 和该节点添加进哈希表中。然后判断双向链表的节点数是否超出容量,如果超出容量,则删除双向链表的尾部节点,并删除哈希表中对应的项;
(b)如果 key 存在,则与 get 操作类似,先通过哈希表定位,再将对应的节点的值更新为 value,并将该节点移到双向链表的头部。
思路很清晰
class LRUCache {
public:
LRUCache(int capacity) {
}
int get(int key) {
}
void put(int key, int value) {
}
};
/**
* 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);
*/
一步步实现:
(1)定义双链表
struct DLinkedNode {
int key, value; // k-v
DLinkedNode* prev; // 前向指针
DLinkedNode* next; // 后向指针
// 两个构造函数
DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};
(2)在LRUCache类中添加成员属性:哈希表+双向链表
class LRUCache {
public:
// 新加的
unordered_map<int, DLinkedNode*> cache;
DLinkedNode* head; // 伪头节点,不存数据
DLinkedNode* tail; // 伪尾节点,不存数据
int size; // 当前存储的数量,当size==capacity时,要移出数据了
int capacity; // 容量
// 实现构造函数
LRUCache(int _capacity): capacity(_capacity), size(0) {
// 使用伪头节点和伪尾节点,不存数据
head = new DLinkedNode();
tail = new DLinkedNode();
// 开始时一个数据都没有
head->next = tail;
tail->prev = head;
}
int get(int key) {
}
void put(int key, int value) {
}
};
(3)实现双向链表中的【在头部添加数据】、【任意位置删除数据】、【数据移动到头部】、【从尾部删除数据】
在头部添加数据
// 在头部添加数据
void addToHead(DLinkedNode* node) {
node->prev = head;
node->next = head->next;
head->next->prev = node;
head->next = node;
}
任意位置删除数据
// 任意位置删除数据
void removeNode(DLinkedNode* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
数据移动到头部
// 移动数据到头部
void moveToHead(DLinkedNode* node) {
removeNode(node);
addToHead(node);
}
从尾部删除数据
// 从尾部删除数据
DLinkedNode* reoveTail() {
DLinkedNode* node = tail->prev;
removeNode(node);
return node;
}
(4)实现get函数
如果不存在直接返回-1,存在的话,先通过哈希表定位,再移动到头部
int get(int key) {
// 不存在
if (cache.count(key) == 0) {
return -1;
}
// 通过哈希找到,移动到头部
DLinkedNode* node = cache[key];
moveToHead(node);
return node->value;
}
(5)实现put函数
如果key不存在,则创建一个节点,注意size==capacity的情况,此时删除队尾数据
靠近头部的键值对是最近使用的,而靠近尾部的键值对是最久未使用的。
如果存在,修改value,再将该节点移动到队头
void put(int key, int value) {
// 不存在
if (cache.count(key) == 0) {
DLinkedNode* node = new DLinkedNode(key, value);
cache[key] = node; // 添加到哈希表中
addToHead(node); // 移动到队头
size++;
if (size > capacity) {
DLinkedNode* removeNode = reoveTail(); // 删除尾部数据
cache.erase(removeNode->key); // 删除哈希中的数据
delete removeNode;
size--;
}
} else {
DLinkedNode* node = cache[key];
node->value = value;
moveToHead(node); // 移到队头
}
}
全部代码实现
struct DLinkedNode {
int key, value; // k-v
DLinkedNode* prev; // 前向指针
DLinkedNode* next; // 后向指针
// 两个构造函数
DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}
};
class LRUCache {
public:
unordered_map<int, DLinkedNode*> cache;
DLinkedNode* head;
DLinkedNode* tail;
int size;
int capacity;
LRUCache(int _capacity): capacity(_capacity), size(0) {
// 使用伪头节点和伪伪节点,不存数据
head = new DLinkedNode();
tail = new DLinkedNode();
// 开始时一个数据都没有
head->next = tail;
tail->prev = head;
}
int get(int key) {
// 不存在
if (cache.count(key) == 0) {
return -1;
}
// 通过哈希找到,移动到头部
DLinkedNode* node = cache[key];
moveToHead(node);
return node->value;
}
void put(int key, int value) {
// 不存在
if (cache.count(key) == 0) {
DLinkedNode* node = new DLinkedNode(key, value);
cache[key] = node; // 添加到哈希表中
addToHead(node); // 移动到队头
size++;
if (size > capacity) {
DLinkedNode* removeNode = reoveTail(); // 删除尾部数据
cache.erase(removeNode->key); // 删除哈希中的数据
delete removeNode;
size--;
}
} else {
DLinkedNode* node = cache[key];
node->value = value;
moveToHead(node); // 移到队头
}
}
// 在头部添加数据
void addToHead(DLinkedNode* node) {
node->prev = head;
node->next = head->next;
head->next->prev = node;
head->next = node;
}
// 任意位置删除数据
void removeNode(DLinkedNode* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
// 移动数据到头部
void moveToHead(DLinkedNode* node) {
removeNode(node);
addToHead(node);
}
// 从尾部删除数据
DLinkedNode* reoveTail() {
DLinkedNode* node = tail->prev;
removeNode(node);
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);
*/
参考:【字节一面】 LRU Cache 实现剖析_哔哩哔哩_bilibili
链接:. - 力扣(LeetCode)