Leetcode 146. LRU 缓存机制
前言
缓存是一种提高数据读取性能的技术,在计算机中cpu和主内存之间读取数据存在差异,CPU和主内存之间有CPU缓存,而且在内存和硬盘有内存缓存。当主存容量远大于CPU缓存,或磁盘容量远大于主存时,哪些数据应该被应该被清理,哪些数据应该被保留,这就需要缓存淘汰策略来决定。常见的策略有三种:先进先出策略FIFO(First In,First Out)、最少使用策略LFU(Least Frequently Used)、最近最少使用策略LRU(Least Recently Used)。
LRU描述
设计和实现一个LRU (最近最少使用) 缓存机制 。
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。
- 针对LRU的特点,选择使用双链表实现。
- 使用 gut 方法获取数据,如果有数据,把返回数据,并且把数据放在链表头部。
- 使用 put 方法存放数据,如果数据存在,直接覆盖新值;如果数据不存在,添加新值。新值都放在链表头部。此外,还需要判断缓存有没有超出容量 capacity,如果有超出,删除链表的尾结点。
- 因为是单链表,每次获取数据,或者删除数据,都需要遍历一遍链表,时间复杂度是O(n),这里使用hash来记录每个数据的位置,将数据访问的时间复杂度降到O(1)。
class LRUCache {class DLinkedNode{
int key;
int value;
DLinkedNode prev;
DLinkedNode next;
public DLinkedNode() {}public DLinkedNode(int key, int value) {
this.key = key;
this.value = https://www.it610.com/article/value;
}
}private int size;
private int capacity;
private DLinkedNode head;
private DLinkedNode tail;
private Map cache = new HashMap<>();
public LRUCache(int capacity) {
this.size = 0;
this.capacity = capacity;
head = new DLinkedNode();
tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
}public int get(int key) {
DLinkedNode node = cache.get(key);
if (node == null) {
return -1;
}
//找到并移动到首位
moveToHead(node);
return node.value;
}public void put(int key, int value) {
DLinkedNode node = cache.get(key);
if (node == null) {
//不存在就创建一个新的节点
DLinkedNode newNode = new DLinkedNode(key,value);
cache.put(key,newNode);
addToHead(newNode);
size++;
if (size > capacity) {
//超出容量,移除最后节点
DLinkedNode tail = removeTail();
cache.remove(tail.key);
size--;
}
} else {
//key存在,覆盖value,并移到头部
if (node.value != value) {
node.value = https://www.it610.com/article/value;
}
moveToHead(node);
}
}private DLinkedNode removeTail() {
DLinkedNode node = tail.prev;
removeNode(node);
return node;
}private DLinkedNode removeNode(DLinkedNode node) {
node.next.prev = node.prev;
node.prev.next = node.next;
return node;
}private void moveToHead(DLinkedNode node) {
removeNode(node);
addToHead(node);
}private void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
}
参考
【Leetcode 146. LRU 缓存机制】[LRU维基百科]()
极客时间-王争-如何实现LRU缓存淘汰算法?
推荐阅读
- 【Leetcode/Python】001-Two|【Leetcode/Python】001-Two Sum
- leetcode|leetcode 92. 反转链表 II
- 二叉树路径节点关键值和等于目标值(LeetCode--112&LeetCode--113)
- LeetCode算法题-11.|LeetCode算法题-11. 盛最多水的容器(Swift)
- LeetCode(03)Longest|LeetCode(03)Longest Substring Without Repeating Characters
- Leetcode|Leetcode No.198打家劫舍
- [leetcode数组系列]1两数之和
- 数据结构和算法|LeetCode 的正确使用方式
- leetcode|今天开始记录自己的力扣之路
- LeetCode|LeetCode 876. 链表的中间结点