• LeetCode刷题---LRU缓存


    在这里插入图片描述

    LRU

    LRU是Least Recently Used的缩写,即最近最少使用,是一种内存管理算法,也可以用作缓存淘汰策略。
    这种算法的核心思想是:如果数据最近被访问过,那么将来被访问的几率也更高。
    因此,当内存或缓存容量有限,需要淘汰部分数据时,LRU算法会优先淘汰那些最长时间未被访问的数据。

    解题思路

    该题使用哈希表+双向链表的思想来解决
    首先定义双向链表,链表中包含key和value
    定义哈希表来存储双向链表中各个节点的位置,键为key,值为双向链表中的节点
    根据LRU算法的特点,此处选择在双向链表的头部来插入数据,尾部则表示最近最少使用的数据(如果容量超出限制的时候,此处的节点需要被踢出)
    在写get方法来获取某节点的时候,如果哈希表中存储了该节点,根据LRU算法,则先将该节点删除,再将该节点添加到链表中。如果哈希表中未存储该节点,则返回-1。
    在写put方法的时候,如果哈希表中未存储该节点,则创建一个新的节点,节点中key和value分别为要添加的键和值,之后将key和新创建的节点添加到哈希表中,在将新的节点添加到链表头部。此时链表的大小size+1
    再对size进行判断,如果size超过了定义的容量大小capacity,则根据LRU算法,需要将最近最少使用的元素(表尾节点删除),使得size最大为capacity。如果哈希表中已经存储该节点,则需要对该节点的数据进行更新,首先根据key从哈希表中取出该节点,再对节点中的value重新赋值,之后根据LRU算法将该节点从链表中删除,再添加到链表表头的位置。

    LeetCode LRU官方题解

    public class LRUCache {
        LRUNode head,tail;
        int size,capacity;
        Map map=new HashMap<>();
        public LRUCache(int capacity) {
            this.capacity=capacity;
            this.size=0;
            //头尾相连
            head=new LRUNode();
            tail=new LRUNode();
            head.next=tail;
            tail.pre=head;
    
        }
    
        //如果最近使用了该节点,就将该节点放入表头
        public int get(int key) {
            if(!map.containsKey(key))
            {
                return -1;
            }
            else
            {
                LRUNode lruNode = map.get(key);
                moveNode(lruNode);
                return lruNode.val;
            }
        }
    
        public void put(int key, int value) {
            if(!map.containsKey(key))
            {
                //创建一个新的节点
                LRUNode lruNode=new LRUNode(key,value);
                //将新节点加入哈希表中
                map.put(key,lruNode);
                //将其添加到表头
                addNode(lruNode);
                //如果容量大于capacity
                ++size;
                if(size>capacity)
                {
                    //如果超出容量,就将表尾节点删除
                    LRUNode pre = tail.pre;
                    removeNode(pre);
                    //删除哈希表中的对应项
                    map.remove(pre.key);
                    --size;
                }
    
            }
            else
            {
                //如果key已经存在
                LRUNode lruNode = map.get(key);
                //先修改其节点的值
                lruNode.val=value;
                //再将其删除并重新添加至表头
                moveNode(lruNode);
            }
    
        }
    
        //删除节点
        public void removeNode(LRUNode node)
        {
            node.pre.next=node.next;
            node.next.pre=node.pre;
        }
        //添加节点
        public void addNode(LRUNode node)
        {
            node.pre=head;
            node.next=head.next;
            head.next.pre=node;
            head.next=node;
    
        }
    
        public void moveNode(LRUNode node)
        {
            removeNode(node);
            addNode(node);
        }
    
    
    
    }
    
    class LRUNode {
        int key,val;
        LRUNode pre,next;
        public LRUNode()
        {
    
        }
    
        public LRUNode(int key, int val)
        {
            this.key=key;
            this.val=val;
        }
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
  • 相关阅读:
    Spring Boot + MyBatis-Plus 实现 MySQL 主从复制动态数据源切换
    python自动合成图片为gif,并能根据第一张图片自动统一图片尺寸
    mysql 8.0.35 搭建主从
    $nextTick和setTimeout区别(宏任务微任务)
    vue-router
    nginx 配置 ssl
    科教兴国 | 拓世集团携手中国航天广电集团,打造《AI+教育平台》
    【中秋特辑】C++比C语言更加规范、方便?是因为增加了如下特性 | C++98 & C++11 | C++难学?带领大家一步一步深度剖析 | 简单易懂
    【JavaWeb篇】三分钟学会HTTP协议(面试必会)
    硅雪崩光电二极管(Si-APDs)行业发展现状及前景预测
  • 原文地址:https://blog.csdn.net/weixin_47109902/article/details/136202902