146. LRU 缓存

1. 题目

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
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

2. 思路

  • 创建双向链表节点Node类，包含key, value, pre指针和next指针
  • 初始化哈希表map以及头节点head与尾节点suffix
  • 当调用get方法时，如果存在，则需要将该节点移除后追加到尾部，整个链表前部为使用频率少的节点
  • 当调用put方法且当前容量已满时，则需要移除头部节点，随后再写入新节点至链表尾部，以此达成LRU缓存机制
  • 过程中，get方法需要利用到哈希表map缓存key -> Node的特性来达到O(1)的时间复杂度

3. 代码

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
76
77
78
79
80
class LRUCache {
    class Node {
        private int key;
        private int val;
        private Node pre;
        private Node next;

        public Node(int key, int val) {
            this.key = key;
            this.val = val;
        }

        public Node() {}
    }

    private Map<Integer, Node> map;
    private Node head;
    private Node suffix;
    private int capacity;

    public LRUCache(int capacity) {
        this.map = new HashMap<>();
        this.head = new Node();
        this.suffix = new Node();
        this.head.next = suffix;
        this.suffix.pre = head;
        this.capacity = capacity;
    }
    
    public int get(int key) {
        var node = map.get(key);
        if (node == null) {
            return -1;
        }

        removeNode(node);
        appendNode(node);
        return node.val;
    }
    
    public void put(int key, int value) {
        var node = map.get(key);

        if (node != null) {
            node.val = value;
            removeNode(node);
            appendNode(node);
        } else if (map.size() >= capacity) {
            removeNode(head.next);
            appendNode(new Node(key, value));
        } else {
            appendNode(new Node(key, value));    
        }
    }

    private void appendNode(Node newNode) {
        var preNode = this.suffix.pre;
        this.suffix.pre = newNode;
        newNode.next = this.suffix;
        newNode.pre = preNode;
        preNode.next = newNode;

        map.put(newNode.key, newNode);
    }

    private void removeNode(Node node) {
        var nextNode = node.next;
        node.pre.next = nextNode;
        nextNode.pre = node.pre;

        map.remove(node.key);
    }
}

/**
 * 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);
 */

4. 复杂度

  • 时间复杂度: O(1)
  • 空间复杂度: O(n)

image-20231007092248494