題目:LRU 緩存機制 設計和實現一個 LRU(最近最少使用)緩存數據結構,使它應該支持一下操作:get 和 put。 get(key) - 如果 key 存在於緩存中,則獲取 key 的 value(總是正數),否則返回 -1。 put(key,value) - 如果 key 不存在,請設置或插入 value。當緩存達到其容量時,它應該在插入新項目之前使最近最少使用的項目作廢。
參考答案:
進階:
你是否可以在 O(1) 時間複雜度內完成這兩種操作?
示例:
LRUCache cache = new LRUCache( 2 /* 緩存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 該操作會使得密鑰 2 作廢
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 該操作會使得密鑰 1 作廢
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
思路解析
這道題是讓我們實現一個 LRU 緩存器,LRU是Least Recently Used的簡寫,就是最近最少使用的意思。
這個緩存器主要有兩個成員函數,get和put。
其中 get 函數是通過輸入 key 來獲得 value,如果成功獲得後,這對 (key, value) 升至緩存器中最常用的位置(頂部),如果 key 不存在,則返回 -1 。
而 put 函數是插入一對新的 (key, value),如果原緩存器中有該 key,則需要先刪除掉原有的,將新的插入到緩存器的頂部。如果不存在,則直接插入到頂部。
若加入新的值後緩存器超過了容量,則需要刪掉一個最不常用的值,也就是底部的值。
具體實現時我們需要三個私有變量,cap , l 和 m,其中 cap 是緩存器的容量大小,l 是保存緩存器內容的列表,m 是 HashMap,保存關鍵值 key 和緩存器各項的迭代器之間映射,方便我們以 O(1) 的時間內找到目標項。
然後我們再來看 get 和 put 如何實現。
其中,get 相對簡單些,我們在 m 中查找給定的key,若不存在直接返回 -1;如果存在則將此項移到頂部。
對於 put ,我們也是現在 m 中查找給定的 key,如果存在就刪掉原有項,並在頂部插入新來項,然後判斷是否溢出,若溢出則刪掉底部項(最不常用項)。
參考代碼
python版本的:
class LRUCache(object):
def __init__(self, capacity):
"""
:type capacity: int
"""
self.cache = {}
self.keys = []
self.capacity = capacity
def visit_key(self, key):
if key in self.keys:
self.keys.remove(key)
self.keys.append(key)
def elim_key(self):
key = self.keys[0]
self.keys = self.keys[1:]
del self.cache[key]
def get(self, key):
"""
:type key: int
:rtype: int
"""
if not key in self.cache:
return -1
self.visit_key(key)
return self.cache[key]
def put(self, key, value):
"""
:type key: int
:type value: int
:rtype: void
"""
if not key in self.cache:
if len(self.keys) == self.capacity:
self.elim_key()
self.cache[key] = value
self.visit_key(key)
def main():
s =
[["put","put","get","put","get","put","get","get","get"],[[1,1],[2,2],[1],[3,3],[2],[
4,4],[1],[3],[4]]]
obj = LRUCache(2)
l=[]
for i,c in enumerate(s[0]):
if(c == "get"):
l.append(obj.get(s[1][i][0]))
else:
obj.put(s[1][i][0], s[1][i][1])
print(l)
if __name__ == "__main__":
main()
c++版本的:
class LRUCache{
public:
LRUCache(int capacity) {
cap = capacity;
}
int get(int key) {
auto it = m.find(key);
if (it == m.end()) return -1;
l.splice(l.begin(), l, it->second);
return it->second->second;
}
void set(int key, int value) {
auto it = m.find(key);
if (it != m.end()) l.erase(it->second);
l.push_front(make_pair(key, value));
m[key] = l.begin();
if (m.size() > cap) {
int k = l.rbegin()->first;
l.pop_back();
m.erase(k);
}
}
private:
int cap;
list<pair<int, int>> l;
unordered_map<int, list<pair<int, int>>::iterator> m;
};
Java代碼:
package question;
import java.util.*;
/**
* 哈希表加雙向鏈表。
*
* 每次新增節點時,往鏈表頭部放入。需要刪除時,刪除鏈表尾節點。
*
* get()和put()的時間複雜度均是O(1)。空間複雜度是O(n),其中n爲緩存的鍵數。
*
* 執行用時:141ms,擊敗79.91%。消耗內存:55.7MB,擊敗96.89%。
*/
class LRUCache1 {
private class Node {
private int key;
private int value;
private Node pre;
private Node next;
public Node() {
}
public Node(int key, int value) {
this.key = key;
this.value = value;
}
}
private Node dummyHead = new Node();
private Node dummyTail = new Node();
private int capacity;
private int size;
private HashMap<Integer, Node> hashMap = new HashMap<>();
//將節點添加到虛擬頭節點之後
private void add(Node node) {
Node originHead = dummyHead.next;
dummyHead.next = node;
node.pre = dummyHead;
node.next = originHead;
originHead.pre = node;
}
//刪除某個節點
private void del(Node node) {
Node preNode = node.pre;
Node nextNode = node.next;
preNode.next = nextNode;
nextNode.pre = preNode;
node.pre = null;
node.next = null;
}
public LRUCache1(int capacity) {
dummyHead.next = dummyTail;
dummyTail.pre = dummyHead;
this.capacity = capacity;
size = 0;
}
public int get(int key) {
Node node = hashMap.get(key);
if (null == node) {
return -1;
}
del(node);
add(node);
return node.value;
}
public void put(int key, int value) {
Node node = hashMap.get(key);
if (null != node) {
node.value = value;
del(node);
add(node);
} else {
if (size < capacity) {
size++;
} else {
//刪除鏈表尾節點
Node delNode = dummyTail.pre;
hashMap.remove(delNode.key);
del(delNode);
}
Node newNode = new Node(key, value);
add(newNode);
hashMap.put(key, newNode);
}
}
}
或
package question;
import java.util.LinkedHashMap;
import java.util.Map;
/**
* 自定義一個雷LRULinedHashMap繼承自LinkedHashMap,並重寫其removeEldestEntry方法。
*
* get()和put()的時間複雜度均是O(1)。空間複雜度是O(n),其中n爲緩存的鍵數。
*
* 執行用時:144ms,擊敗74.73%。消耗內存:62.3MB,擊敗67.95%。
*/
public class LRUCache2 {
private int capacity;
private LRULinkedHashMap<Integer, Integer> lruLinkedHashMap = new LRULinkedHashMap<>();
private class LRULinkedHashMap<K, V> extends LinkedHashMap<K, V> {
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
if (size() > capacity) {
return true;
} else {
return false;
}
}
}
public LRUCache2(int capacity) {
this.capacity = capacity;
}
public int get(int key) {
Integer value = lruLinkedHashMap.get(key);
if (null == value) {
return -1;
}
lruLinkedHashMap.remove(key);
lruLinkedHashMap.put(key, value);
return value;
}
public void put(int key, int value) {
if (lruLinkedHashMap.containsKey(key)) {
lruLinkedHashMap.remove(key);
}
lruLinkedHashMap.put(key, value);
}
}