腾讯常考十道算法真题：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
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。
示例：
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
这道题，出现的频率还是挺高的，很多小伙伴在面试时，都反馈自己遇到过原题。
LRU，Least Recently Used，即最近使用过的数据是有用的，可以使用双链表+Hashmap解答，双链表用于存储LRUCache的数据，Hashmap实现O（1）的平均时间复杂度。
-
每次从链表尾部添加元素，靠尾的元素就是最近使用过 -
某个key可以通过哈希表快速定位到节点。
对于双链表，需要做哪些事呢。
-
首先是链表初始化，为了方便处理i，虚拟一个头节点和尾结点。 -
添加元素时，放到链表的尾部，表示该元素最近使用过 -
删除双向链表的某个节点 -
删除并返回头节点，表示删除最久未使用的元素 -
返回链表当前长度
LRU缓存有哪些方法
-
构造函数初始化方法 -
get和put方法 -
makeRecently 设置某个元素最近使用过的方法，哈希表已经有该元素 -
addRecently 添加最近使用过的元素，同时更新map -
deleteKey 删除某个key对应的元素,同时删除map上的节点 -
removeLeastRecently 删除最久未使用的元素
完整代码如下：
class Node {
int key,val;
Node next,prev;
public Node(int key,int val){
this.key = key;
this.val = val;
}
}
class DoubleList {
//虚拟出头节点和尾结点
private Node head, tail;
private int size;
//初始化双链表
public DoubleList() {
//虚拟头结点
head = new Node(0, 0);
//虚拟头结点
tail = new Node(0, 0);
head.next = tail;
tail.prev = head;
size = 0;
}
//要加到链表尾部，且越靠近链表尾部，越表示最近使用过
public void addLast(Node x) {
//比如当前链表为：head <-> 1 <-> tail，加入结点x = 2
x.prev = tail.prev;
// 完成结点2指向两端的箭头 head <-> 1 <- 2 -> tail; 此时tail.pre = 结点1还未断开
x.next = tail;
//head <-> 1 <-> 2 -> tail;
tail.prev.next = x;
//head <-> 1 <-> 2 <-> tail;
tail.prev = x;
//更新链表长度
size++;
}
// 删除指定结点
public void remove(Node x) {
x.prev.next = x.next;
x.next.prev = x.prev;
size--;
}
// 删除并返回头结点
public Node removeHead() {
if (head.next == tail) {
return null;
}
Node first = head.next;
// size在remove中更新了
remove(first);
// 用作在哈希表中移除最久未使用的数据值
return first;
}
// 获取链表长度
public int getSize() {
return size;
}
}
public class LRUCache {
private Map<Integer, Node> map;
private DoubleList doubleList;
private int cap;
public LRUCache(int capacity) {
this.map = new HashMap<>();
this.doubleList = new DoubleList();
this.cap = capacity;
}
public int get(int key) {
if (map.containsKey(key)) {
// 先将key标记为最近使用，再返回value
makeRecently(key);
return map.get(key).val;
} else {
return -1;
}
}
public void put(int key, int value) {
if (map.containsKey(key)) {
deleteKey(key); // 从原map中移除该key
addRecently(key, value); // 更新最近使用
return;
}
int size = doubleList.getSize();
if (size == cap) { // 说明需要移除最久未使用的元素了
removeLeastRecently();
}
addRecently(key, value); //添加新的元素进来
}
public void makeRecently(int key) { // 将某个key标记为最近使用的元素（map中已存在的）
Node x = map.get(key);
doubleList.remove(x); // 先从双链表删除
doubleList.addLast(x); // 再添加到链表末尾， 因为尾部是最近使用过的元素
}
public void addRecently(int key, int value) { // 添加最近使用过的元素
Node x = new Node(key, value);
doubleList.addLast(x);
map.put(key, x); //更新map
}
public void deleteKey(int key) {
Node x = map.get(key);
map.remove(key);
doubleList.remove(x); // 在map中和cache中同时删除
}
// 删除最久未使用的元素
public void removeLeastRecently() {
// 最久未使用的一定在链表头部
Node oldNode = doubleList.removeHead();
int oldKey = oldNode.key;
map.remove(oldKey);
}
}
THE END
