Leetcode 146. LRU 缓存机制

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 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?

你可能感兴趣的