LeetCode 146题:
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,类内操作的说明:
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?
LRU就是 Least Recently Used,最近最少使用 的缓存淘汰机制。缓存的两个要素是 大小 和 替换策略。
LRU设计实现 和 运行的机制:
1、首先初始化,整个缓存空间 ;
2、然后 访问某个关键字,如果存在于缓存中,需要返回关键字的值,并且将该关键字置为最新访问,否则返回 -1;
3、插入数据,如果关键字已经存在,变更其对应的数据值;如果关键字不存在,插入该组 [关键字— 值]。在插入之前,要判断数据是否 已达到最大容量。 如果达到最大容量,删除最久未使用的关键字,从而为新插入的数值腾出空间。
因为要保留节点的数据,想到使用 链表 保存数据。 那么是使用单链表还是双链表呢?
单向链表只能从头向尾部遍历,只能找到节点的后继节点,不能找到前驱节点。因为要 按时间顺序 保存数据,插入和删除的时候,既需要知道前节点,又需要知道后节点,因此使用双向链表。
题目要求 O(1)时间 内完成 查询 和 插入 操作,可以使用 哈希表 来存数据的 key-value。
哈希表 + 双向链表:
双向链表: 用于按时间顺序保存数据
哈希表: 用于把key映射到链表节点
//使用双向链表 + 哈希表 实现 class LRUCache { public: class Node { public: int key; int val; Node* pre; Node* next; Node(){} Node(int mkey, int mvalue):key(mkey),val(mvalue),pre(NULL),next(NULL) { } }; //构造函数 LRUCache(int capacity) { this->size = capacity; //头尾保护节点 head = new Node(); tail = new Node(); //初始化双链表关系 head->next = tail; tail->pre = head; } Node* delete_currentnode(Node* current) { current->pre->next = current->next; current->next->pre = current->pre; return current; } //移动到最前面 //相当于在链表中一个insert操作,在head 和 head的next之间插入一个节点 void move_to_head(Node* current) { Node* next = head->next; head->next = current; current->pre = head; next->pre = current; current->next = next; } void make_recently(Node* current) { Node* temp = delete_currentnode(current); move_to_head(temp); } int get(int key) { int ret = -1; //get 到key的value,要进行将key的对值从存储结构中删除,然后重新排列前后的数据 if(map.find(key)!= map.end()) { Node* temp = map[key]; make_recently(temp); ret = temp->val; } return ret; } void put(int key, int value) { if(map.find(key) != map.end()) { //关键字存在,修改key,对应的值 Node* temp = map[key]; temp->val= value; //将key变为最近使用 make_recently(temp); } else { //关键字不存在,插入,(key,value) Node* cur = new Node(key,value); if( map.size()==size ) { //链表尾部就是最久未使用的key Node* temp = delete_currentnode(tail->pre); map.erase(temp->key); } move_to_head(cur); map[key] = cur; } } public: //类内共享容量值 int size; unordered_map<int, Node*> map; Node* head; Node* tail; };