實現LRU緩存算法

本文基於LeetCode第146. LRU 緩存機制進行實現。

題目

運用你所掌握的數據結構，設計和實現一個 LRU (最近最少使用) 緩存機制 。
實現 LRUCache 類：

• LRUCache(int capacity) 以正整數作爲容量 capacity 初始化 LRU 緩存
• int get(int key) 如果關鍵字 key 存在於緩存中，則返回關鍵字的值，否則返回 -1 。
• void put(int key, int value) 如果關鍵字已經存在，則變更其數據值；如果關鍵字不存在，則插入該組「關鍵字-值」。當緩存容量達到上限時，它應該在寫入新數據之前刪除最久未使用的數據值，從而爲新的數據值留出空間。

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：

輸入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
輸出
[null, null, null, 1, null, -1, null, -1, 3, 4]

解釋
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 緩存是 {1=1}
lRUCache.put(2, 2); // 緩存是 {1=1, 2=2}
lRUCache.get(1);    // 返回 1
lRUCache.put(3, 3); // 該操作會使得關鍵字 2 作廢，緩存是 {1=1, 3=3}
lRUCache.get(2);    // 返回 -1 (未找到)
lRUCache.put(4, 4); // 該操作會使得關鍵字 1 作廢，緩存是 {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
• 最多調用 2 * 10 ^ 5 次 get 和 put

分析

LRU (最近最少使用) ，一種數據淘汰策略算法，在頁面置換、Redis數據淘汰中都存在這種算法。實現的思路也比較簡單，使用雙向鏈表 + 哈希表。

哈希表在這裏的作用主要是爲了實現O(1)複雜度獲取到對應的node。我們只需要在訪問節點後，把該節點移到鏈表的頭部，保證雙向鏈表的尾部是最久未訪問的數據即可。當緩存的容量達到上限時，只需要把雙向鏈表尾部的節點移除即可。

編碼

class LRUCache {
    // 雙向鏈表 + HashMap
    private Node head;
    private Node tail;
    // key->node，實現O(1)複雜度獲取node
    private HashMap<Integer, Node> map;
    private int maxSize;

    private class Node {
        Node pre;
        Node next;
        Integer key;
        Integer value;
        public Node(Integer key, Integer value) {
            this.key = key;
            this.value = value;
        }
    }

    public LRUCache(int capacity) {
        this.maxSize = capacity;
        head = new Node(null, null);
        tail = new Node(null, null);
        head.next = tail;
        tail.pre = head;
        map = new HashMap<>(capacity);
    }
    
    public int get(int key) {
        // 沒有命中，返回-1
        if (!map.containsKey(key)) {
            return -1;
        }
        // 命中後，需要把對應的node移到鏈表的頭部，保證鏈表的尾部是最久未訪問的
        Node node = map.get(key);
        unlink(node);
        appendHead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        // 如果緩存已經存在，則刪除原來的
        if (map.containsKey(key)) {
            Node node = map.get(key);
            unlink(node);
        } else {
            // 如果容量達到上限，需要先移除鏈表尾的節點，再插入新的節點
            if (map.size() >= maxSize) {
                Node removeNode = removeTail();
                map.remove(removeNode.key);
            }
        }

        // 插入節點到鏈表頭部
        Node node = new Node(key, value);
        map.put(key, node);
        appendHead(node);
    }

    /**
     * 釋放node節點
     */
    private void unlink(Node node) {
        Node pre = node.pre;
        Node next = node.next;
        pre.next = next;
        next.pre = pre;
        node.pre = null;
        node.next = null;
    }

    /**
     * 將node節點插入鏈表頭部
     */
    private void appendHead(Node node) {
        Node next = head.next;
        node.next = next;
        next.pre = node;
        node.pre = head;
        head.next = node;
    }

    /**
     * 刪除鏈表尾節點
     */
    private Node removeTail() {
        Node node = tail.pre;
        Node pre = node.pre;
        pre.next = tail;
        tail.pre = pre;

        node.next = null;
        node.pre = null;
        return node;
    }
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache obj = new LRUCache(capacity);
 * int param_1 = obj.get(key);
 * obj.put(key,value);
 */

這個擊敗率感覺還不如調api來滴實在啊。