题目描述

题目链接

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：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
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

算法1

(双向链表 + 哈希表) $O(1)$

要实现最近使用LRU缓存机制，那么我们必须要做到如下几点:

  • 能够在 $O(1)$时间内找到查找的节点
  • 能够在 $O(1)$时间内完成节点的插入
  • 能够动态维护节点的使用频率

那么，由于需要在 $O(1)$时间查找，因此很容易想到哈希表
由于需要在 $O(1)$时间插入，因此很容易想到链表
由于需要维护结点的使用频率，那么可以考虑使用双向链表：每次查找、插入的节点放在链表的一端，表示最近被使用过，那么另一端的最后一个节点就可以表示最近最少使用的节点

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
class LRUCache {
public:
    struct Node
    {
        int key, val;
        Node* left;
        Node* right;
        Node(int _key, int _val): key(_key), val(_val), left(NULL), right(NULL) {}
    } *L, *R;

    unordered_map<int, Node*> hash;
    int n;
    
    // 最近使用的节点放在左边，最少使用的放在右边
    void insert(Node *p)
    {
        p->right = L->right;
        L->right->left = p;
        p->left = L;
        L->right = p;
    }

    void remove(Node *p)
    {
        p->left->right = p->right;
        p->right->left = p->left;
    }

    LRUCache(int capacity) {
        n = capacity;
        L = new Node(-1, -1);
        R = new Node(-1, -1);
        L->right = R;
        R->left = L;
    }
    
    int get(int key) {
        if(hash.count(key) == 0) return -1;

        auto p = hash[key];
        remove(p);
        insert(p); // 最近查找了 key 对应的节点，因此将他放在最近使用的地方
        return p->val;
    }
    
    void put(int key, int value) {
        if( hash.count(key))
        {
            auto p = hash[key];
            p->val = value;
            remove(p);
            insert(p);
        }
        else
        {
            if( hash.size() == n) // 如果此时达到最大容量，那么需要删除最少使用的节点
            {
                auto p = R->left;
                remove(p);
                hash.erase(p->key);
                delete p;
            }
            auto p = new Node(key, value);
            hash[key] = p;
            insert(p);
        }
    }
};

/**
 * 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);
 */