146. LRU缓存机制

最新推荐文章于 2023-04-04 20:15:46 发布

原创最新推荐文章于 2023-04-04 20:15:46 发布 · 114 阅读

0 ·

CC 4.0 BY-SA版权

算法专栏收录该内容

222 篇文章

订阅专栏

本文介绍了设计和实现LRU（最近最少使用）缓存机制，支持获取数据get和写入数据put操作。当缓存容量达上限时，会删除最近最少使用的数据。还探讨了能否在O(1)时间复杂度完成操作，并给出示例，同时提及两种实现思路。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，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); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4

思路：

1.直接继承LinkedHashMap

重写removeEldestEntry return size() > capacity; 即可

//1.
public class LRUCache extends LinkedHashMap<Integer, Integer> {

    private int capacity;

    public LRUCache(int capacity) {
        super(capacity, 0.75F, true);
        this.capacity = capacity;
    }

    public int get(int key) {
        return super.getOrDefault(key, -1);
    }

    public void put(int key, int value) {
        super.put(key, value);
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
        return size() > capacity;
    }

    public static void main(String[] args) {

        LRUCache cache = new LRUCache(2);

        cache.put(1,1);
        cache.put(2,2);

        System.out.println(cache.get(2));

        cache.put(3,3);
        System.out.println(cache.get(2));
        System.out.println(cache.get(1));

        cache.put(4,4);
        System.out.println(cache.get(4));


    }


}

//2
class LRUCache {
    private LinkedHashMap<Integer, Integer> map;
    private int capacity;

    public LRUCache(int capacity) {
        map = new LinkedHashMap<>((int) (capacity / 0.75), 0.75f, true);
        this.capacity = capacity;
    }

    public int get(int key) {
        if (capacity == 0) {
            return -1;
        }

        if (map.containsKey(key)) {  //判断key存在吗？
            return map.get(key);
        }
        return -1;
    }

    public void put(int key, int value) {
        if (capacity == 0) {
            return;
        }

        if (map.size() < capacity) {
            map.put(key, value);
        } else {
            if (!map.containsKey(key)) {
                map.remove(map.keySet().iterator().next());   //从中删除
            }
            map.put(key, value);
        }
    }
}

2.??时间复杂度最低的解法