【LeetCode】146.LRU缓存-Toy模板网

这篇具有很好参考价值的文章主要介绍了【LeetCode】146.LRU缓存。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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。

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

解答

源代码

class LRUCache {
    // 设计一个双向链表节点
    class DLinkedNode {
        int key;
        int value;
        DLinkedNode pre;
        DLinkedNode next;

        public DLinkedNode() {

        };

        public DLinkedNode(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }

    // 用哈希表作缓存
    private Map<Integer, DLinkedNode> cache = new HashMap<>();

    // size表示当前缓存占用空间
    private int size;

    // capacity表示缓存总空间
    private int capacity;

    // 伪头部和伪尾部节点
    private DLinkedNode head, tail;

    // 构造函数
    public LRUCache(int capacity) {
        this.size = 0;
        this.capacity = capacity;
        head = new DLinkedNode();
        tail = new DLinkedNode();

        head.next = tail;
        tail.pre = head;
    }
    
    public int get(int key) {
        DLinkedNode node = cache.get(key);

        // 如果key不存在，返回-1
        if (node == null) {
            return -1;
        }
        
        // 如果key存在，把对应节点移到头部，返回对应value
        moveTohead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        DLinkedNode node = cache.get(key);

        if (node == null) {
            // key不存在，创建一个新的节点
            DLinkedNode newNode = new DLinkedNode(key, value);

            // 添加进哈希表
            cache.put(key, newNode);

            // 添加至双向链表头部
            addToHead(newNode);

            // 缓存已用空间+1
            size++;

            // 判断缓存空间是否足够
            if (size > capacity) {
                DLinkedNode tail = removeTail();
                cache.remove(tail.key);
                size--;
            }
        } else {
            // key存在，则更新value，将对应节点移到头部
            node.value = value;
            moveTohead(node);
        }
    }

    public void moveTohead(DLinkedNode node) {
        node.pre.next = node.next;
        node.next.pre = node.pre;
        addToHead(node);
    }

    public void addToHead(DLinkedNode node) {
        node.pre = head;
        node.next = head.next;
        head.next = node;
        node.next.pre = node;
    }

    public DLinkedNode removeTail() {
        DLinkedNode res = tail.pre;
        tail.pre = res.pre;
        res.pre.next = tail;

        return res;
    }
}

/**
 * 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);
 */