< 返回新闻公共列表
云南大王-LeetCode 146. LRU缓存机制
发布时间：2020-04-13 00:00:00
我的LeetCode：https://leetcode-cn.com/u/ituring/
我的LeetCode刷题源码[GitHub]：https://github.com/izhoujie/Algorithmcii
LeetCode 146. LRU缓存机制
题目
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。它应该支持以下操作： 获取数据 get 和 写入数据 put 。
获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果密钥已经存在，则变更其数据值；如果密钥不存在，则插入该组「密钥/数据值」。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:
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
解题思路
首先一定要明白LRU的缓存逻辑；
一种思路是直接使用LinkedHashMap来实现LRU缓存，LinkedHashMap有一个关键参数是accessOrder，默认为false，也就是按照put的顺序排序，若accessOrder为true，那么将按照访问时间排序，当前的访问将位于尾部，历史访问将越靠近头部，恰好符合LRU的逻辑；
另一种思路就是自己实现双链表结构；
思路1-使用LinkedHashMap构造LRU
核心是LinkedHashMap的accessOrder参数，afterNodeAccess方法和removeEldestEntry方法：
afterNodeAccess方法将根据accessOrder实现排序，默认false按照put顺序排序，设为true则按照访问时间排序，符合缓存的更新策略；
removeEldestEntry方法实现淘汰策略，默认false即不淘汰也就是达到最大缓存后将不再resize，设为true将淘汰头部数据，设定size()>capacity便可实现缓存满时淘汰旧数据；
创建LinkedHashMap需要使用有参构造方法，同时顺带覆写其removeEldestEntry方法：
LinkedHashMap cache = new LinkedHashMap(capacity, 0.75F, true) {
/**
*
*/
private static final long serialVersionUID = 1L;
@Override
protected boolean removeEldestEntry(java.util.Map.Entry eldest) {
return size() > capacity;
}
};
afterNodeAccess源码部分，可以看到是实现了元素移动到链表尾部：
void afterNodeAccess(Node e) { // move node to last
LinkedHashMap.Entry last;
if (accessOrder && (last = tail) != e) {
LinkedHashMap.Entry p =
(LinkedHashMap.Entry)e, b = p.before, a = p.after;
p.after = null;
if (b == null)
head = a;
else
b.after = a;
if (a != null)
a.before = b;
else
last = b;
if (last == null)
head = p;
else {
p.before = last;
last.after = p;
}
tail = p;
++modCount;
}
}
算法复杂度:
时间复杂度：O(1)
空间复杂度：O(capacity)
思路2-HashMap+自己实现双链表结构
实际与LinkedHashMap类似，唯一的区别在于更新节点时，LinkedHashMap对于相同key的节点需要遍历key下的链表，而自己实现的双链表无需遍历；
算法复杂度:
时间复杂度：O(1)
空间复杂度：O(capacity)
算法源码示例
package leetcode;
import java.util.HashMap;
import java.util.LinkedHashMap;
/**
* @author ZhouJie
* @date 2020年4月8日 下午9:55:11
* @Description: 146. LRU缓存机制
*
*/
public class LeetCode_0146 {
}
/**
* @author ZhouJie
* @date 2020年4月8日 下午10:11:52
* @Description: 1-利用LinkedHashMap的特性直接构造一个LRU，缺点：在移除key相同的元素时需要遍历链表
*
*/
class LRUCache_1 {
private LinkedHashMap cache;
public LRUCache_1(int capacity) {
cache = new LinkedHashMap(capacity, 0.75F, true) {
/**
*
*/
private static final long serialVersionUID = 1L;
@Override
protected boolean removeEldestEntry(java.util.Map.Entry eldest) {
return size() > capacity;
}
};
}
public int get(int key) {
Integer value = cache.get(key);
if (value == null) {
return -1;
} else {
return value;
}
}
public void put(int key, int value) {
cache.put(key, value);
}
}
/**
* @author ZhouJie
* @date 2020年4月8日 下午10:44:26
* @Description: 2-只使用HashMap保存数据，自建Node双向链表来记录访问顺序；
*
*/
class LRUCache_2 {
/**
* @author ZhouJie
* @date 2020年4月8日 下午10:47:19
* @Description: 定义双链表的Node节点，_0146_2，后缀为题号_方法号
*
*/
class Node_0146_2 {
Node_0146_2 pre;
Node_0146_2 next;
int k;
int v;
public Node_0146_2(int k, int v) {
this.k = k;
this.v = v;
}
}
// 双链表的头尾节点
Node_0146_2 head;
Node_0146_2 tail;
private int capacity;
private HashMap cache;
public LRUCache_2(int capacity) {
this.capacity = capacity;
this.cache = new HashMap();
}
public int get(int key) {
Node_0146_2 node = cache.get(key);
if (node != null) {
moveToTail(node);
return node.v;
} else {
return -1;
}
}
public void put(int key, int value) {
Node_0146_2 node = cache.get(key);
// 存在时需要更新map对应值并将节点移到链表尾部
if (node != null) {
node.v = value;
moveToTail(node);
} else {
// 不存在时需要先判断容量，满了需要先删除头部节点和对应map中的数据，然后再新建节点放到链表的尾部并放入map
if (cache.size() == capacity) {
Node_0146_2 oldHead = removeHead();
if (oldHead != null) {
cache.remove(oldHead.k);
}
}
Node_0146_2 newNode = new Node_0146_2(key, value);
addToTail(newNode);
cache.put(key, newNode);
}
}
/**
* @author: ZhouJie
* @date: 2020年4月8日 下午11:27:17
* @param: @return
* @return: Node_0146_2
* @Description: 缓存满时需要删除最旧的数据，对应到方法是丢弃头部节点，返回的节点供map删除对应数据
*
*/
private Node_0146_2 removeHead() {
if (head == null) {
return null;
} else {
Node_0146_2 temp = head;
head = head.next;
temp.next = null;
head.pre = null;
return temp;
}
}
/**
* @author: ZhouJie
* @date: 2020年4月8日 下午11:28:53
* @param: @param node
* @return: void
* @Description: get命中时需要更新缓存，对应到方法是移动节点到尾部
*
*/
private void moveToTail(Node_0146_2 node) {
// 若缓存最多只有一个数据或目标节点就是尾部节点时，什么都不做
if (head == tail || node == tail) {
return;
}
// 若目标节点是头结点，则需要先更新头结点，否则直接改动上下节点的关联关系
if (node == head) {
head = head.next;
head.pre = null;
} else {
node.pre.next = node.next;
node.next.pre = node.pre;
}
// 将目标节点移动到尾部
tail.next = node;
node.pre = tail;
node.next = null;
tail = node;
}
/**
* @author: ZhouJie
* @date: 2020年4月8日 下午11:31:34
* @param: @param node
* @return: void
* @Description: 新建缓存总是放到尾部
*
*/
private void addToTail(Node_0146_2 node) {
// 首个数据
if (tail == null) {
head = tail = node;
}
tail.next = node;
node.pre = tail;
tail = 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);
*/
