一、题目描述
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。它应该支持以下操作: 获取数据 get 和 写入数据 put 。
获取数据 get(key) - 如果关键字 (key) 存在于缓存中,则获取关键字的值(总是正数),否则返回 -1。
写入数据 put(key, 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。
来源:力扣(LeetCode)
链接: LRU缓存机制
二、解题思路
LRU 最近最少使用算法,可以采用队列的数据结构(采用双端队列,便于删除节点),对于一个新入队元素,如果队列中存在该元素,则把该元素从队列中删除,插入队头,如果队列中不存在,判断队列是否已经满,如果已满,则从队尾删除一个元素,在队头插入新元素。如果未满,则直接在队头插入该元素。为了提升元素效率,可以引入hash表,详见代码。
class LRUCache {
class DlinkNode {
protected int key;
protected int value;
protected DlinkNode prev,next;
public DlinkNode(){}
public DlinkNode(int _key,int _value){
this.key=_key;
this.value=_value;
}
}
private DlinkNode head,tail;
private Map<Integer,DlinkNode> cached;
private int size;
private int capacity;
public LRUCache(int capacity){
cached=new HashMap<Integer,DlinkNode>();
this.capacity=capacity;
this.size=0;
this.head=new DlinkNode();
this.tail=new DlinkNode();
head.next=tail;
tail.prev=head;
}
public int get(int key) {
DlinkNode node=cached.get(key);
if(node==null){
return -1;
}
moveToHead(node);
return node.value;
}
public void put(int key, int value) {
DlinkNode node=cached.get(key);
if(node==null){
DlinkNode newNode=new DlinkNode(key,value);
cached.put(key,newNode);
size++;
addToHead(newNode);
if(size>capacity){
DlinkNode res=removeFromTail();
cached.remove(res.key);
size--;
}
}else {
node.value=value;
moveToHead(node);
}
}
private void addToHead(DlinkNode node){
node.prev=head;
node.next=head.next;
head.next.prev=node;
head.next=node;
}
private void removeNode(DlinkNode node){
node.prev.next=node.next;
node.next.prev=node.prev;
node.next=null;
node.prev=null;
}
private void moveToHead(DlinkNode node){
removeNode(node);
addToHead(node);
}
private DlinkNode removeFromTail(){
DlinkNode res=tail.prev;
removeNode(res);
return res;
}
}
本文介绍了一种基于双端队列和哈希表的LRU(最近最少使用)缓存机制实现方法,通过具体代码详细解释了如何进行数据的获取和写入操作,以及如何在缓存容量达到上限时自动移除最久未使用的数据。

786

被折叠的 条评论
为什么被折叠?



