leetcode hot100 之 LRU缓存机制

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。

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

原题链接：https://leetcode.cn/problems/lru-cache/

思路

哈希表 + 双向链表。
用链表的节点来存储 key，value。
用哈希表来对链表的节点进行映射。
同时记录 LRU 的节点数。

get(key)：通过查找哈希表，就能知道 key 是否在 LRU 当中；如果在，则将其移动到链表的头部。
put(key, value)：通过查哈希表，可以判断 key 是否在 LRU 当中，如果在，则更新其 value，并移动到链表的头部；如果不在，则将其加入到链表头部，同时，如果 capacity 已满，还要把末尾节点给delete，并从哈希表erase。

把末尾节点给delete，这个比较好实现。
移动到链表的头部，则分两种情况：如果节点是原来链表中的节点，则需要重新更新节点上下游的指向关系，再加入头部；如果节点是新增的节点，则直接加入头部即可。

• 复杂度分析
  • 时间复杂度 O(1)。get、put 都是 O(1)
  • 空间复杂度 O(capacity)。哈希表和链表，都取决于 capacity 大小。

代码

struct DLinkedNode {
    int key;
    int value;
    DLinkedNode* prev;
    DLinkedNode* next;
    DLinkedNode(): key(0), value(0), prev(NULL), next(NULL) {}
    DLinkedNode(int _key, int _value): key(_key), value(_value), prev(NULL), next(NULL) {}
};

class LRUCache {
private:
    unordered_map<int, DLinkedNode*> node_map;
    DLinkedNode* head;
    DLinkedNode* tail;
    int capacity;
    int size;

public:
    LRUCache(int _capacity): capacity(_capacity), size(0) {
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) {
        if (!node_map.count(key)) {
            return -1;
        }
        DLinkedNode* node = node_map[key];
        moveToHead(node);
        return node->value;
    }
    
    void put(int key, int value) {
        if (node_map.count(key)) {
            DLinkedNode* node = node_map[key];
            node->value = value;
            moveToHead(node);
        }
        else {
            DLinkedNode* node = new DLinkedNode(key, value);
            moveToHead(node);
            node_map[key] = node;
            size++;
            if (size > capacity) {
                removeTail();
                size--;
            }
        }

    }

    void moveToHead(DLinkedNode* node) {
        if (node->prev) {
            node->prev->next = node->next;
            node->next->prev = node->prev;
        }
        node->next = head->next;
        head->next->prev = node;
        node->prev = head;
        head->next = node;
    }

    void removeTail() {
        DLinkedNode* node = tail->prev;
        node->prev->next = tail;
        tail->prev = node->prev;
        node_map.erase(node->key);
        delete node;
    }
};

/**
 * 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);
 */