Leetcode 146. LRU 缓存机制

2021-09-07 13:03:41 阅读：194 来源： 互联网

标签：146 node 缓存 int DLinkedNode value LRU key Leetcode

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?

标签：146,node,缓存,int,DLinkedNode,value,LRU,key,Leetcode
来源： https://www.cnblogs.com/jeremylai7/p/15237719.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

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

解题思路哈希表 + 双向链表