146. LRU 缓存机制（双向链表+哈希表）

2021-03-09 23:58:20 阅读：184 来源： 互联网

标签：146 Node capacity get self value 链表 LRU key

难度：中等

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。
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。
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:

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

解题思路：
本题使用双向链表和哈希表来解决。使用链表是为了表示头部的键值对是最近使用的，而尾部的键值对是最久没有使用的。那为什么不使用单链表呢？因为一旦删除了尾结点，我们无法知道尾结点的上一个节点是谁，所以需要在尾结点前加入pre指向前一个节点，也就是双向链表。使用哈希表的目的是可以在O(1)时间内找到key所对应的节点，这个节点存有key所对应的value。

python代码：

# 双向链表+哈希表
class DLinkedNode:
    def __init__(self, key=0, value=0) -> None:
        self.key = key
        self.value = value
        self.prev = None
        self.next = None

class LRUCache:
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.hash_map = dict()
        self.head = DLinkedNode()
        self.tail = DLinkedNode()
        self.head.next = self.tail
        self.tail.prev = self.head
        self.size = 0

    def get(self, key: int) -> int:
        if key in self.hash_map:
            self.removeNode(self.hash_map[key])
            self.moveTohead(self.hash_map[key])
            return self.hash_map[key].value
        else:
            return -1

    def put(self, key: int, value: int) -> None:
        if key in self.hash_map:
            self.hash_map[key].value = value
            self.removeNode(self.hash_map[key])
            self.moveTohead(self.hash_map[key])
        else:
            Node = DLinkedNode(key, value)
            if self.size < self.capacity:
                self.size += 1
            else:
                self.hash_map.pop(self.tail.prev.key)
                self.removeNode(self.tail.prev)
            self.hash_map[key] = Node
            self.moveTohead(Node)

    def removeNode(self, Node):
        Node.next.prev = Node.prev
        Node.prev.next = Node.next

    def moveTohead(self, Node):
        Node.next = self.head.next
        self.head.next.prev = Node
        self.head.next = Node
        Node.prev = self.head



# Your LRUCache object will be instantiated and called as such:
# obj = LRUCache(capacity)
# param_1 = obj.get(key)
# obj.put(key,value)

复杂度分析：

时间复杂度 O ( 1 ) O(1) O(1)：查找、添加、删除、移动到头节点（插入），都是常数时间；
空间复杂度 O ( c a p a c i t y ) O(capacity) O(capacity)：双向链表和哈希表最多存储 c a p a c i t y capacity capacity个节点。

标签：146,Node,capacity,get,self,value,链表,LRU,key
来源： https://blog.csdn.net/weixin_39505820/article/details/114607713

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

146. LRU 缓存机制（双向链表+哈希表）