Leetcode 146.LRU 缓存机制


题目描述:

运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制

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) 如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。

进阶:你是否可以在 O(1) 时间复杂度内完成这两种操作?

示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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:

  • $1 <= capacity <= 3000$
  • $0 <= key <= 3000$
  • $0 <= value <= 10^4$
  • 最多调用 $3 * 10^4$ 次 getput

链接:

https://leetcode-cn.com/problems/lru-cache


题目分析

  LRU 也即 Least Recently Used,最近最少使用。顾名思义,最近最少使用的结点会从缓存删去,那么怎么判断哪个结点是最近没有被使用到的呢?我们可以维护一个双向链表作为缓存,越靠近头部表示上一次被使用的时间越近,如果一个结点被使用,就将其移动到链表头部(没有则也是添加到头部),而如果缓存区已满,则删除链表末尾的结点。而我们怎么快速找到结点呢?题目说明了每个结点具有不同的关键字,则我们可以使用一个哈希表来存储结点的指针。所以我们采用的是一个双向链表加一个哈希表的数据结构。(PS:为什么要使用双向链表而不是单向链表呢?因为我们需要频繁地从链表中删除结点(包括移动操作和删除操作),使用双向链表才可以在定位后对前后进行连接操作。)
  从实现的细节上来说,我们经常操作的是链表的头结点和尾结点,为了避免多次判定链表是否为空(链表为空时添加的新结点既是头结点也是尾结点),我们使用了两个哨兵结点,分别作为伪头部和伪尾部。
  各操作的作用已经包含到代码的注释中。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
class LRUCache {
// 双向链表的单个结点,包含 key 和 value 还有指向前后结点的指针
struct LinkNode{
int key, value;
LinkNode *next;
LinkNode *prev;
LinkNode():key(0), value(0), next(nullptr), prev(nullptr){}
LinkNode(int _key, int _value):key(_key), value(_value), next(nullptr), prev(nullptr){}
};

unordered_map<int, LinkNode*> cache; // 根据 key 快速定位结点的哈希表
LinkNode *head, *tail; // 伪头部和伪尾部
int capacity; // 缓存的最大容量
int count; // 当前缓存的大小

// 将结点添加到头部
void addToHead(LinkNode *node){
node->next = head->next;
node->next->prev = node;
head->next = node;
node->prev = head;
}

// 从链表中删除一个结点
void removeNode(LinkNode *node){
node->next->prev = node->prev;
node->prev->next = node->next;
}

// 将一个结点移到头部
void moveToHead(LinkNode *node){
removeNode(node);
addToHead(node);
}

// 从尾部删除一个结点(返回这个结点用于内存释放)
LinkNode* removeTail(){
LinkNode *del = tail->prev;
removeNode(del);
return del;
}
public:
LRUCache(int capacity) {
// 初始化缓存容量并且设置好哨兵结点
this->capacity = capacity;
this->count = 0;
head = new LinkNode();
tail = new LinkNode();
head->next = tail;
tail->prev = head;
}

int get(int key) {
// 找不到则返回 -1
if(!cache.count(key)) return -1;

// 从哈希表中定位结点,将其移到头部
LinkNode *node = cache[key];
moveToHead(node);

// 返回结点值
return node->value;
}

void put(int key, int value) {
// 如果这个 key 不存在于缓存中则需添加
if(!cache.count(key)){
LinkNode *newnode = new LinkNode(key, value);
// 添加到哈希表中和链表中
cache[key] = newnode;
addToHead(newnode);
count++;
// 添加结点后需要判断缓存是否已经溢出
if(count > capacity){
// 从链表和哈希表中删除并释放内存
LinkNode *del = removeTail();
cache.erase(del->key);
delete del;
count--;
}
}
// 这个 key 已经存在缓存中则需要更新结点值并移到头部
else{
LinkNode *node = cache[key];
node->value = value;
moveToHead(node);
}
}
};

  时间复杂度:$O(1)$。哈希表的查询是 $O(1)$ 的,各项操作也都是 $O(1)$ 的。
  空间复杂度:$O(capacity)$。我们需要建立哈希表和双向链表,他们的最大大小都是 $O(capacity)$ 的。