Leetcode 146. LRU 缓存机制

前言

缓存是一种提高数据读取性能的技术，在计算机中cpu和主内存之间读取数据存在差异，CPU和主内存之间有CPU缓存，而且在内存和硬盘有内存缓存。当主存容量远大于CPU缓存，或磁盘容量远大于主存时，哪些数据应该被应该被清理，哪些数据应该被保留，这就需要缓存淘汰策略来决定。常见的策略有三种：先进先出策略FIFO(First In,First Out)、最少使用策略LFU(Least Frequently Used)、最近最少使用策略LRU(Least Recently Used)。

LRU描述

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。

解题思路哈希表 + 双向链表

针对LRU的特点，选择使用双链表实现。
使用 gut 方法获取数据，如果有数据，把返回数据，并且把数据放在链表头部。
使用 put 方法存放数据，如果数据存在，直接覆盖新值；如果数据不存在，添加新值。新值都放在链表头部。此外，还需要判断缓存有没有超出容量 capacity，如果有超出，删除链表的尾结点。
因为是单链表，每次获取数据，或者删除数据，都需要遍历一遍链表，时间复杂度是O(n),这里使用hash来记录每个数据的位置，将数据访问的时间复杂度降到O(1)。

class LRUCache {

    class DLinkedNode{

		int key;

		int value;

		DLinkedNode prev;

		DLinkedNode next;

		public DLinkedNode() {}

		public DLinkedNode(int key, int value) {

			this.key = key;

			this.value = value;

		}

	}

	private int size;

	private int capacity;

	private DLinkedNode head;

	private DLinkedNode tail;

	private Map<Integer,DLinkedNode> cache = new HashMap<>();

    public LRUCache(int capacity) {

        this.size = 0;

		this.capacity = capacity;

        head = new DLinkedNode();

		tail = new DLinkedNode();

		head.next = tail;

		tail.prev = head;

    }

    public int get(int key) {

        DLinkedNode node = cache.get(key);

		if (node == null) {

			return -1;

		}

		//找到并移动到首位

		moveToHead(node);

		return node.value;

    }

    public void put(int key, int value) {

        DLinkedNode node = cache.get(key);

		if (node == null) {

			//不存在就创建一个新的节点

			DLinkedNode newNode = new DLinkedNode(key,value);

			cache.put(key,newNode);

			addToHead(newNode);

			size++;

			if (size > capacity) {

				//超出容量，移除最后节点

				DLinkedNode tail = removeTail();

				cache.remove(tail.key);

				size--;

			}

		} else {

			//key存在，覆盖value，并移到头部

			if (node.value != value) {

				node.value = value;

			}

			moveToHead(node);

		}

    }

    private DLinkedNode removeTail() {

		DLinkedNode node = tail.prev;

		removeNode(node);

		return node;

	}

	private DLinkedNode removeNode(DLinkedNode node) {

		node.next.prev = node.prev;

		node.prev.next = node.next;

		return node;

	}

	private void moveToHead(DLinkedNode node) {

		removeNode(node);

		addToHead(node);

	}

	private void addToHead(DLinkedNode node) {

		node.prev = head;

		node.next = head.next;

        head.next.prev = node;

		head.next = node;

	}

}

参考

LRU维基百科

 极客时间-王争-如何实现LRU缓存淘汰算法?

巴特西

Leetcode 146. LRU 缓存机制

前言

LRU描述

解题思路哈希表 + 双向链表

参考

最新文章

热门文章

巴特西

Leetcode 146. LRU 缓存机制

前言

LRU描述

解题思路 哈希表 + 双向链表

参考

最新文章

热门文章

解题思路哈希表 + 双向链表