[LeetCode]146.LRU缓存机制

Posted 2020-10-30 陈驰字新宇

设计和实现一个 LRU（最近最少使用）缓存 数据结构，使它应该支持以下操作： get 和 put 。

get(key) - 如果密钥存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
put(key, value) - 如果密钥不存在，请设置或插入值。当缓存达到其容量时，它应该在插入新项目之前使最近最少使用的项目作废。

后续:

你是否可以在 O(1) 时间复杂度中进行两种操作？注：这道题也是2018今日头条春招面试题。

案例:

LRUCache cache = new LRUCache( 2 /* 容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作，会将 key 2 作废
cache.get(2);       // 返回 -1 (结果不存在)
cache.put(4, 4);    // 该操作，会将 key 1 作废
cache.get(1);       // 返回 -1 (结果不存在)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

 

求解思路：其实这道题并不难，就是找一个合适的数据结构去存储，每次get之后，要把get到的数提前到最前面，如果没有get到，则返回-1。put的时候，先查看有没有相同的key元素，有的话，直接把那个删掉，否则不做处理。然后判断当前的元素个数是否小于capacity，小于的话就在最前面添加新元素即可，否则在最前面添加新元素之后，还要把最后面的元素删掉。

思路简单，难的是时间复杂度，我最开始直接想的是利用现成的数据结构，就用的是Java中的LinkedList和HashMap，HashMap中存储的是key和value，LinkedList中存储的是若干个map。代码如下：

package com.darrenchan.dp;

import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;

class LRUCache2 {
    
    public int capacity;
    public List<Map<Integer, Integer>> list = new LinkedList<>();
    
    public LRUCache2(int capacity) {
        this.capacity = capacity;
    }
    
    public int get(int key) {
        int value = -1;
        for (Map<Integer, Integer> map : list) {
            if(map.get(key) != null){
                value = map.get(key);
                list.remove(map);
                list.add(0, map);
                break;
            }
        }
        return value;
    }
    
    public void put(int key, int value) {
        int index = -1;
        for (Map<Integer, Integer> map : list) {
            if(map.get(key) != null){
                list.remove(map);
                break;
            }
        }
        int size = list.size();
        Map<Integer, Integer> map = new HashMap<>();
        map.put(key, value);
        if(size < capacity){
            list.add(0, map);
        }else{
            list.add(0, map);
            list.remove(capacity);
        }
    }
    
    public static void main(String[] args) {
        LRUCache2 lruCache = new LRUCache2(2);
        System.out.println(lruCache.get(2));
        lruCache.put(2, 6);
        System.out.println(lruCache.get(1));
        lruCache.put(1, 5);
        lruCache.put(1, 2);
        System.out.println(lruCache.get(1));
        System.out.println(lruCache.get(2));
    }
}

这样时间复杂度是O(N)，因为每次需要for循环，时间超时。看来不能用现成的了，需要自己构造一个数据结构，这里采用双向链表和HashMap的结构，HashMap中存储的是key和Node，Node中存储的是key和value。HashMap能保证查找的时间复杂度是O(1)，双向链表保证的是增删的时间复杂度是O(1)，当然用单向链表也可以，就是不太方便。代码如下：

package com.darrenchan.dp;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;

class LRUCache3 {
    
    public int capacity;
    public Map<Integer, Node> map;
    public Node head;//设一个虚拟的头结点
    public Node tail;//设一个虚拟的尾结点
    public int size;//链表长度
    
    public LRUCache3(int capacity) {
        this.capacity = capacity;
        this.map = new HashMap<>();
        head = new Node(0, 0);
        tail = new Node(0, 0);
        
        head.pre = null;
        head.next = tail;
        tail.pre = head;
        tail.next = null;
    }
    
    public void removeNode(Node node){
        node.pre.next = node.next;
        node.next.pre = node.pre;
    }
    
    public void addToHead(Node node){
        node.next = head.next;
        node.next.pre = node;
        node.pre = head;
        head.next = node;
    }
    
    public int get(int key) {
        int value = -1;
        if(map.get(key) != null){
            value = map.get(key).value;
            removeNode(map.get(key));
            addToHead(map.get(key));
        }
        return value;
    }
    
    public void put(int key, int value) {
        if(map.get(key) != null){
            removeNode(map.get(key));
            map.remove(key);
            size--;
        }
        Node node = new Node(key, value);
        map.put(key, node);
        if(size < capacity){
            addToHead(node);
            size++;
        }else{
            Node remove = tail.pre;
            removeNode(remove);
            map.remove(remove.key);
            addToHead(node);
        }
    }
    
    public static void main(String[] args) {
        LRUCache3 lruCache = new LRUCache3(2);
        System.out.println(lruCache.get(2));
        lruCache.put(2, 6);
        System.out.println(lruCache.get(1));
        lruCache.put(1, 5);
        lruCache.put(1, 2);
        System.out.println(lruCache.get(1));
        System.out.println(lruCache.get(2));
    }
}

class Node{
    int key;
    int value;
    public Node(int key, int value) {
        super();
        this.key = key;
        this.value = value;
    }
    Node pre;
    Node next;
}

 

原题链接：https://leetcode-cn.com/problems/lru-cache/description/