图解LeetCode——146. LRU 缓存

原创

爪哇缪斯

修改于 2023-07-13 22:53:30

2340

修改于 2023-07-13 22:53:30

文章被收录于专栏：爪哇缪斯

一、题目

请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。

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 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该逐出最久未使用的关键字。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

二、示例

2.1> 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

提示：

1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 10^5
最多调用 2 * 10^5 次 get 和 put

三、解题思路

根据题目描述，我们需要构造一个LRU缓存，那么我们需要解决两个问题：

【问题1】实现对key和value的数据进行缓存。【问题2】实现LRU的能力，即：最近最少使用。

那么针对第一个问题，我们可以采用哈希表或者数组的方式进行数据存储，因为本题的提示部分已经指出key值是在[0, 10000]区间内的，并不存在负数，所以为了提升执行速度，我们选择数组作为底层的存储结构。其中，需要注意的是，存储的value是下面要介绍的双向链表中的Node节点。

那么针对第二个问题，我们可以采用双向链表的方式进行支持，那么为什么是双向链表呢？因为当调用lRUCache.get()或lRUCache.set()方法对某个Node进行操作的时候，我们需要将这个Node放到链表的尾部，这样，就需要操作该Node节点的前置节点和后置节点，为了便于这种操作，所以我们采用双向链表。执行步骤如下所示：

【步骤1】断开PreNode与Node的链接关系；【步骤2】断开NextNode与Node的链接关系；【步骤3】链接PreNode与NextNode；【步骤4】将Node放到链表尾部；

那么这里还有一个小细节，就是如果待移动的节点在头节点，那么我们还需要进行特殊的判断（因为头节点没有前置节点PreNode），而同样的，如果待删除的节点是尾节点，那么我们也需要进行特殊的判断（因为尾节点没有后置节点NextNode）。为了统一处理逻辑，我们可以通过创建虚拟的头尾节点来解决这个问题，即：

【虚拟头节点】Node head = new Node(-1, -1); 【虚拟尾节点】Node tail = new Node(-2, -1); 【初始情况下】head.next = tail; tail.pre = head;

由于我们可以知道LRU链表容量的，所以当超出这个容量的时候，就将整个链表中，第一个节点删除即可（不包含虚拟收尾节点），并将哈希表/数组中相应key对应的value置为null；以上就是这道题的解题思路，为了便于大家理解，我们通过创建2节点容量的LRU，具体看一下具体的处理过程，请见下图所示：

四、代码实现

class LRUCache {
    Node[] hashTable; // 哈希表
    int capacity = 0, count = 0;
    Node head, tail;
    public LRUCache(int capacity) {
        this.capacity = capacity;
        hashTable = new Node[10001];
        head = new Node(-1, -1); // 虚拟头节点
        tail = new Node(-2, -1); // 虚拟尾节点
        head.next = tail;
        tail.pre = head;
    }

    public int get(int key) {
        Node node;
        if ((node = hashTable[key]) == null) return -1; // 如果不存在，直接返回-1
        moveNode(node); // 将node节点移动到末尾（位置是tail节点的pre节点）
        return node.value;
    }

    public void put(int key, int value) {
        Node node;
        if ((node = hashTable[key]) != null) { // 已存在节点，直接修改value值
            node.value = value;
        } else { // 不存在节点，则新建Node
            if (count < capacity) { // 没有到达容量上限
                count++;
            } else { // 超出容量上限，则需要删除“最近最少使用”的节点
                hashTable[head.next.key] = null;
                delNode(head.next);
            }
            node = new Node(key, value);
            hashTable[key] = node;
        }
        moveNode(node); // 将node节点移动到末尾
    }

    // 删除节点操作
    public void delNode(Node node) {
        if (node.pre == null || node.next == null) return;
        node.pre.next = node.next;
        node.next.pre = node.pre;
    }

    // 将节点移动到“末尾”操作（位置是tail节点的pre节点）
    public void moveNode(Node node) {
        if (tail.pre == node) return; // 如果已经是“末尾”节点，则不操作
        delNode(node); // 删除该节点的前后关联，下面会进行重新关联操作
        tail.pre.next = node;
        node.pre = tail.pre;
        node.next = tail;
        tail.pre = node;
    }

    // 双向链表结构
    class Node {
        public int key, value;
        public Node pre, next;
        public Node(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }
}