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 2022-03-24 14:13:40
...

题目:

146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制

题解:

1. 题解一:使用LinkedHashMap实现

146. LRU缓存机制

2. 题解二:使用双向链表结构+HashMap实现

0. 解题思路:

146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制

1. 解释一:

146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制

2. 解释二:(主要思路)

146. LRU缓存机制

/* 缓存容量为 2 */
LRUCache cache = new LRUCache(2);
// 你可以把 cache 理解成一个队列
// 假设左边是队头,右边是队尾
// 最近使用的排在队头,久未使用的排在队尾
// 圆括号表示键值对 (key, val)

cache.put(1, 1);
// cache = [(1, 1)]
cache.put(2, 2);
// cache = [(2, 2), (1, 1)]
cache.get(1);       // 返回 1
// cache = [(1, 1), (2, 2)]
// 解释:因为最近访问了键 1,所以提前至队头
// 返回键 1 对应的值 1
cache.put(3, 3);
// cache = [(3, 3), (1, 1)]
// 解释:缓存容量已满,需要删除内容空出位置
// 优先删除久未使用的数据,也就是队尾的数据
// 然后把新的数据插入队头
cache.get(2);       // 返回 -1 (未找到)
// cache = [(3, 3), (1, 1)]
// 解释:cache 中不存在键为 2 的数据
cache.put(1, 4);    
// cache = [(1, 4), (3, 3)]
// 解释:键 1 已存在,把原始值 1 覆盖为 4
// 不要忘了也要将键值对提前到队头

146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制

1. 双链表的节点类:

class Node {
    public int key, val;
    public Node next, prev;
    public Node(int k, int v) {
        this.key = k;
        this.val = v;
    }
}

2. 包含常用 API 的双链表类:

146. LRU缓存机制
146. LRU缓存机制
146. LRU缓存机制

class DoubleList {  
    private Node head, tail; // 头尾虚节点
    private int size; // 链表元素数

    public DoubleList() {
        head = new Node(0, 0);
        tail = new Node(0, 0);
        head.next = tail;
        tail.prev = head;
        size = 0;
    }

    // 在链表头部添加节点 x
    public void addFirst(Node x) {
        x.next = head.next;
        x.prev = head;
        head.next.prev = x;
        head.next = x;
        size++;
    }

    // 删除链表中的 x 节点(x 一定存在)
    public void remove(Node x) {
        x.prev.next = x.next;
        x.next.prev = x.prev;
        size--;
    }
    
    // 删除链表中最后一个节点,并返回该节点
    public Node removeLast() {
        if (tail.prev == head)
            return null;
        Node last = tail.prev;
        remove(last);
        return last;
    }
    
    // 返回链表长度
    public int size() { return size; }
}

146. LRU缓存机制

3. 实现逻辑:

// key 映射到 Node(key, val)
HashMap<Integer, Node> map;
// Node(k1, v1) <-> Node(k2, v2)...
DoubleList cache;

int get(int key) {
    if (key 不存在) {
        return -1;
    } else {        
        将数据 (key, val) 提到开头;
        return val;
    }
}

void put(int key, int val) {
    Node x = new Node(key, val);
    if (key 已存在) {
        把旧的数据删除;
        将新节点 x 插入到开头;
        更新 map 中对应的数据;
    } else {
        if (cache 已满) {
            删除链表的最后一个数据腾位置;
            删除 map 中映射到该数据的键;
        } 
        将新节点 x 插入到开头;
        map 中新建 key 对新节点 x 的映射;
    }
}

146. LRU缓存机制


if (cap == cache.size()) {
    // 删除链表最后一个数据
    Node last = cache.removeLast();
    map.remove(last.key);
}

146. LRU缓存机制
146. LRU缓存机制

代码:

1. 代码一:使用LinkedHashMap实现

// 方法1:使用LinkedHashMap实现
public static class LRUCache extends LinkedHashMap<Integer, Integer>{

    private int capacity;

    public LRUCache(int capacity) {
        // 初始大小,0.75是装载因子,true是表示按照访问时间排序
        super(capacity, 0.75F, true);
        // 传入指定的缓存最大容量
        this.capacity = capacity;
    }
    
    public int get(int key) {
        return super.getOrDefault(key, -1);
    }
    
    public void put(int key, int value) {
        super.put(key, value);
    }

    /**
     * 实现LRU的关键方法,如果map里面的元素个数大于了缓存最大容量,则删除链表的顶端元素
     */        
    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest)
    {
        return size() > capacity;
    }
}

2. 代码二:使用双向链表结构+HashMap实现

import java.util.*;

/**
 * code146
 */
public class code146 {

    // 方法2:使用双向链表结构+HashMap实现
    // 双链表的节点类
    public static class Node {
        public int key, val;
        public Node next, prev;
        public Node(int k, int v)
        {
            this.key = k;
            this.val = v;
        }
    }

    // 包含常用 API 的双链表类
    public static class DoubleList {
        private Node head, tail; // 头尾虚节点
        private int size; // 链表元素数

        public DoubleList()
        {
            head = new Node(0, 0);
            tail = new Node(0, 0);
            head.next = tail;
            tail.prev = head;
            size = 0;
        }

        // 在链表头部添加节点 x
        public void addFirst(Node x)
        {
            x.next = head.next;
            x.prev = head;
            head.next.prev = x;
            head.next = x;
            size++;
        }

        // 删除链表中的 x 节点(x 一定存在)
        public void remove(Node x)
        {
            x.prev.next = x.next;
            x.next.prev = x.prev;
            size--;
        }

        // 删除链表中最后一个节点,并返回该节点
        public Node removeLast()
        {
            if(tail.prev == head)
            {
                return null;
            }
            Node last = tail.prev;
            remove(last);
            return last;
        }

        // 返回链表长度
        public int size()
        {
            return size;
        }
    }

    // 实现逻辑:
    public static class LRUCache {

        // key -> Node(key, val)
        private HashMap<Integer, Node> map;
        // Node(k1, v1) <-> Node(k2, v2)...
        private DoubleList cache;
        // 最大容量
        private int cap;

        public LRUCache(int capacity) {
            this.cap = capacity;
            map = new HashMap<>();
            cache = new DoubleList();
        }
        
        public int get(int key) {
            if(!map.containsKey(key))
            {
                return -1;
            }
            int val = map.get(key).val;
            // 利用 put 方法把该数据 (key, val) 提到开头;
            put(key, val);
            return val;
        }
        
        public void put(int key, int value) {
            // 先把新节点 x 做出来
            Node x = new Node(key, value);
            if(map.containsKey(key))
            {
                // 把旧的数据删除;
                cache.remove(map.get(key));
                // 将新节点 x 插入到开头;
                cache.addFirst(x);
                // 更新 map 中对应的数据;
                map.put(key, x);
            }
            else
            {
                if(cap == cache.size)
                {
                    // 删除链表的最后一个数据腾位置;
                    Node last = cache.removeLast();
                    // 删除 map 中映射到该数据的键;
                    map.remove(last.key);
                }
                // 将新节点 x 插入到开头;
                cache.addFirst(x);
                // map 中新建 key 对新节点 x 的映射;
                map.put(key, x);
            }
        }
    }

    public static void main(String[] args) {
        LRUCache cache = new LRUCache(2);

        cache.put(1, 1);
        cache.put(2, 2);

        int res1 = cache.get(1);
        System.out.println(res1);

        cache.put(3, 3);

        int res2 = cache.get(2);
        System.out.println(res2);

        cache.put(4, 4);

        int res4 = cache.get(1);
        System.out.println(res4);

        int res5 = cache.get(3);
        System.out.println(res5);

        int res6 = cache.get(4);
        System.out.println(res6);
    }
}

参考:

  1. LRU缓存机制
  2. LRU 策略详解和实现
  3. 源于 LinkedHashMap源码
  4. 数据结构分析,Python 哈希 + 双向链表实现(代码注释多)
  5. 哈希表 + 双向链表(Java)
  6. 三种方法带你手撕LRU算法 Java版本
  7. Python的OrderedDict 或者 哈希+双向链表
相关标签: 热题 HOT 100