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
提示：
1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put
解题思路
整体上,我们需要一个快速查找的结构来存储缓存的数据,并且需要按访问时间来淘汰数据。因此使用哈希表+双向链表的结构:
- 哈希表(HashMap)用于快速定位缓存中节点的位置,时间复杂度 O(1)。键是缓存的键,值是双向链表的节点。
- 双向链表用于维护缓存数据的顺序。最近使用的排在链表头部,久未使用的排在尾部。
- 对链表进行操作:
- get时找到节点并移到头部,时间复杂度 O(1)
- put时判断是否存在节点,不存在就直接插入头部,存在就更新值后移到头部,时间复杂度 O(1)
- 如果超出容量,就删除尾部节点
- 删除尾部节点时,需要先通过哈希表定位,再从链表中删除,时间复杂度 O(1) 整个 LRU 缓存的 get 和 put 操作时间复杂度可以做到 O(1),并且可以按照访问时间自动淘汰最近最少使用的数据。 主要利用了哈希表快速查找和双向链表维护顺序的特点,结合两者的优点设计出了符合 LRU 策略的缓存算法。
完整代码
public class LRUCache {
// 内部节点类,存储键值对
private class Node {
int key;
int value;
Node prev;
Node next;
}
// 哈希表用于快速定位节点
private HashMap<Integer, Node> cache = new HashMap<>();
// 当前缓存大小
private int size;
// 缓存容量上限
private int capacity;
// 双向链表的头尾节点
private Node head, tail;
public LRUCache(int capacity) {
// 初始化大小、容量、Dummy节点
this.size = 0;
this.capacity = capacity;
head = new Node();
tail = new Node();
head.next = tail;
tail.prev = head;
}
public int get(int key) {
// 在哈希表中定位该节点
Node node = cache.get(key);
if (node == null) {
return -1;
}
// 提升节点最近使用程度
moveToHead(node);
return node.value;
}
public void put(int key, int value) {
// 试图定位已存在节点
Node node = cache.get(key);
if(node == null) {
// 不存在就插入新节点
Node newNode = new Node();
newNode.key = key;
newNode.value = value;
cache.put(key, newNode);
addToHead(newNode);
size++;
// 判断是否容量满了
if(size > capacity) {
// 移除最不经常使用的
Node tail = popTail();
cache.remove(tail.key);
size--;
}
} else {
// 更新已存在节点的值
node.value = value;
moveToHead(node);
}
}
// 在头部添加节点
private void addToHead(Node node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
// 移除任意节点
private void removeNode(Node node){
node.prev.next = node.next;
node.next.prev = node.prev;
}
// 将节点移到头部
private void moveToHead(Node node){
removeNode(node);
addToHead(node);
}
// 弹出尾节点
private Node popTail() {
Node res = tail.prev;
removeNode(res);
return res;
}
}