欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

146. LRU缓存机制

程序员文章站 2022-07-15 16:17:25
...

1.题目描述

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) - 如果关键字 (key) 存在于缓存中,则获取关键字的值(总是正数),否则返回 -1。
写入数据 put(key, 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。
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:
146. LRU缓存机制

2.思路

用一个哈希表保存key-value在双向链表中的位置,双向链表按使用顺序保存key-value,靠近头部的键值对是最近使用的,而靠近尾部的键值对是最久未使用的。
这样一来,首先使用哈希表进行定位,找出缓存项在双向链表中的位置,随后将其移动到双向链表的头部,即可在 O(1) 的时间内完成 get 或者 put 操作。具体的方法如下:
1.对于 get 操作,首先判断 key 是否存在:
(1)如果 key 不存在,则返回 −1;
(2)如果 key 存在,则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置,并将其移动到双向链表的头部,最后返回该节点的值。
2.对于 put 操作,首先判断 key 是否存在:
(1)如果 key 不存在,先判断双向链表的节点数是否超出容量,如果超出容量,则删除双向链表的尾部节点,并删除哈希表中对应的项;然后使用 key 和 value 创建一个新的节点,在双向链表的头部添加该节点,并将 key 和该节点添加进哈希表中。
(2)如果 key 存在,则与 get 操作类似,先通过哈希表定位,再将对应的节点的值更新为 value,并将该节点移到双向链表的头部。
上述各项操作中,访问哈希表的时间复杂度为 O(1),在双向链表的头部添加节点、在双向链表的尾部删除节点的复杂度也为 O(1)。而将一个节点移到双向链表的头部,可以分成「删除该节点」和「在双向链表的头部添加节点」两步操作,都可以在 O(1) 时间内完成。

3.代码

class LRUCache {
public:
    LRUCache(int capacity) {
        this->cap = capacity;
    }
    
    int get(int key) {
        //判断key是否存在
        auto iter = m.find(key);
        if(iter == m.end()){
            return -1;
        }
        //key存在,把pair直接换到链表的头部
        pair<int, int> kv = *m[key];
        cache.erase(m[key]);
        cache.push_front(kv);
        m[key] = cache.begin();

        return kv.second;
    }
    
    void put(int key, int value) {
        //判断key是否存在
        auto iter = m.find(key);
        if(iter == m.end()){//如果不存在
            //判断cache是否已经满了
            if(cache.size() >= cap){//cache满了,删除链表尾部元素
                auto lastPair = cache.back();
                int lastKey = lastPair.first;
                m.erase(lastKey);
                cache.pop_back();
            }
            //cache没满,直接添加
            cache.push_front(make_pair(key, value));
            m[key] = cache.begin(); //更新key的位置
        }
        else{//key存在
            //更改value并放在链表的头部
            cache.erase(m[key]);
            cache.push_front(make_pair(key, value));
            m[key] = cache.begin();
        }
    }
private:
    int cap;
    list<pair<int, int>> cache;
    unordered_map<int, list<pair<int, int>>::iterator> m;
};

/**
 * 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.复杂度分析

时间复杂度:O(1)
空间复杂度:O(capacity)