O(1)时间复杂度内实现LRU简单算法

LRU算法

LRU(Least Recently Used),即最近最少使用算法。常用于实现一个简单的缓存功能,就是把很久未使用的直接移除掉,只保留最近使用的。

LRU主要功能

LRU主要需要实现两个功能

  • 添加缓存(涉及到删除缓存)
  • 获取缓存

实现原理

其实用一个单链表就能实现简单的LRU算法,但是链表的查找时间复杂度比较高了,是O(n)。其实用一个散列表+双链表就可以实现一个O(1)复杂度的LRU算法。用散列表就可以直接定位某个缓存,时间复杂度O(1),但是散列表插入缓存之后,就没有了顺序,所以才需要一个链表来维护这个缓存的顺序,这样才能知道哪些缓存一直未使用,超过缓存最大容量之后需要删除未使用的缓存。而如果单链表删除某个缓存的话,又需要先遍历这个元素(时间复杂度O(n))才行。所以这里用双链表,那么就可以通过散列表直接定位到这个缓存节点,然后知道这个缓存节点的前驱和后继节点就可以在O(1)时间复杂度内删除这个缓存了。

show me your code

package com.program;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;

/**
 * LRUCache算法:最近最少使用算法
 * 核心算法实现:散列表+双向链表
 * 算法核心功能:
 * 1.添加缓存(先判断散列表中是否存在该缓存,如果存在,则将该缓存移动到链尾。
 * 如果不存在,则先判断链表是否已经满了,如果满了则先把头结点删除,未满则直接插到链尾)
 * 2.查找缓存(因为是散列表,所以时间复杂度,接近O(1))
 * 3.删除缓存
 */
public class LRUCache {
    private int cacheSize = 10;
    private HashMap map = new HashMap<>();
    private Node head;
    private Node tail;

    public void LRUCache(int cacheSize) {
        this.cacheSize = cacheSize;
    }

    /**
     * 添加缓存
     * 先判断是否已有该缓存,如果有则直接放到链尾取出,
     * 如果没有,则判断是否已满,如果满了,删除链头数据,否则直接插到链尾
     */
    public void addCache(String key, String value) {
        if (map.containsKey(key)) {
            Node node = map.get(key);
            if (node.next != null) {
                if (node.pre == null) {
                    head = node.next;
                } else {
                    node.pre.next = node.next;
                    node.next.pre = node.pre;
                }
                tail.next = node;
                node.pre = tail;
                node.next = null;
                tail = node;
            }
        } else {
            Node node = new Node(key, value);
            if (map.size() == cacheSize) {
                Node temp = head;
                head = head.next;
                map.remove(temp.key);
                node.pre = tail;
                tail.next = node;
                tail = node;
            } else {
                if (head == null) {
                    head = node;
                    tail = node;
                } else {
                    node.pre = tail;
                    tail.next = node;
                    tail = node;
                }
            }
            map.put(key, node);
        }
    }

    /**
     * 获取缓存
     * 先判断是否有缓存,如果有,需要把该缓存移动到链尾返回
     */
    public String getCache(String key) {
        if (map.containsKey(key)) {
            Node node = map.get(key);
            if (node.next == null) {
                return node.value;
            }
            if (node.pre == null) {
                head = node.next;
            } else {
                node.pre.next = node.next;
                node.next.pre = node.pre;
            }
            tail.next = node;
            node.pre = tail;
            node.next = null;
            tail = node;
            return node.value;
        } else {
            return null;
        }
    }

    public void test() {
        Iterator> iterator = map.entrySet().iterator();
        while (iterator.hasNext()) {
            Map.Entry entry = iterator.next();
            System.out.println(entry.getKey() + "--" + entry.getValue().value);
        }
    }

    public void test2() {
        Node temp = head;
        while (temp != null) {
            System.out.println(temp.key);
            temp = temp.next;
        }
    }

    public static void main(String[] args) {
        LRUCache cache = new LRUCache();
        cache.addCache("key0", "value0");
        cache.addCache("key1", "value1");
        cache.addCache("key2", "value2");
        cache.addCache("key3", "value3");
        cache.addCache("key4", "value4");
        cache.addCache("key5", "value5");
        cache.addCache("key6", "value6");
        cache.addCache("key7", "value7");
        cache.addCache("key8", "value8");
        cache.addCache("key9", "value9");
        cache.getCache("key9");
        cache.test2();
    }

    class Node {
        String key;
        String value;
        Node pre;
        Node next;

        public Node(String key, String value) {
            this.key = key;
            this.value = value;
        }
    }
}

免责声明:代码未经充分测试,如果发现问题还请不吝赐教,谢谢。

你可能感兴趣的:(O(1)时间复杂度内实现LRU简单算法)