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。
进阶:
你是否可以在 O(1) 时间复杂度内完成这两种操作?
示例:
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得关键字 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得关键字 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解法:
class LRUCache {
class node {
int key;
int value;
node pre;
node next;
node() { }
node(int key, int value) {
this.key = key;
this.value = value;
}
}
Map<Integer, node> map = new HashMap<>();
int capacity;
node head;
node tail;
public LRUCache(int capacity) {
this.capacity = capacity;
head = new node();
tail = new node();
head.next = tail;
tail.pre = head;
}
public int get(int key) {
node n = map.get(key);
if (n == null) {
return -1;
}
moveToFirst(n);
return n.value;
}
public void put(int key, int value) {
node n = map.get(key);
if (n == null) {
node new_node = new node(key, value);
map.put(key, new_node);
addToFirst(new_node);
if (map.size() > capacity) {
node temp = removeLast();
map.remove(temp.key);
}
} else {
n.value = value;
moveToFirst(n);
}
}
private void addToFirst(node n) {
n.pre = head;
n.next = head.next;
head.next.pre = n;
head.next = n;
}
private void removeNode(node n) {
n.pre.next = n.next;
n.next.pre = n.pre;
}
private void moveToFirst(node n) {
removeNode(n);
addToFirst(n);
}
private node removeLast() {
node n = tail.pre;
removeNode(n);
return n;
}
}