题目描述:为最近最少使用缓存LRU Cache设计数据结构,它支持两个操作:get和put。
get(key):如果key在cache中,则返回对应的value值,否则返回-1
set(key,value):如果key不在cache中,则将该(key,value)插入cache中(注意,如果cache已满,则必须把最近最久未使用的元素从cache中删除);如果key在cache中,则重置value的值。
要求两操作的时间复杂度都为O(1)。如:
LRUCache cache = new LRUCache( 2 ); //capacity 设为2
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // returns 1
cache.put(3, 3); // evicts key 2
cache.get(2); // returns -1 (not found)
cache.put(4, 4); // evicts key 1
cache.get(1); // returns -1 (not found)
cache.get(3); // returns 3
cache.get(4); // returns 4
分析:LRU是操作系统中内存页面置换算法,Cache算法和内存页面置换算法的核心思想是一样的:都是在给定一个限定大小的空间的前提下,设计一个原则如何来更新和访问其中的元素。LRU算法的设计原则是:如果一个数据在最近一段时间没有被访问到,那么在将来它被访问的可能性也很小。也就是说,当限定的空间已存满数据时,应当把最久没有被访问到的数据淘汰。如大小为4的cache传入序列为A B C D E D F:
若用数组处理,由于每个值还要加上时间戳,故每次插入新值都要将所有已存在的元素的时间戳加1,时间复杂度O(n)。
采用链表加哈希表的方法,插入新数据项时,若新数据项在链表中存在,则把该结点移到链表头部,若不存在,则新建一个结点,加到链表头部。若缓存满了,则把链表最后一个结点删除。访问数据时,若数据项在链表中存在,则把该结点移到链表头部,否则返回 -1 。这样链表尾部的结点就是最近最久未访问的数据项。时间复杂度O(1),空间O(n)。
其中list 的splice函数的用法:
void splice (iterator position, list& x);
//将列表x中的所有元素移到当前list中,从当前列表的position指向的位置开始,操作后列表x为空void splice (iterator position, list& x, iterator i); //将列表x中迭代器 i 指向的元素移到当前list的position指向的位置处,操作后 i 指向的元素从列表x中被移除,所以迭代器 i 此时是invalid的;position是当前列表的迭代器,i是列表x的迭代器
void splice (iterator position, list& x, iterator first, iterator last);
//将列表x中[first, last)的元素移到当前list中,从position指向的位置开始;first, last是列表x的迭代器
代码:
class LRUCache {
private:
//cache结点的结构,一键一值
struct CacheNode{
int key;
int val;
CacheNode(int k, int v):key(k), val(v){}
};
//LRUCache的属性,一个链表一个哈希表
list<CacheNode> cacheList; //cache结点的列表
unordered_map<int, list<CacheNode>::iterator> cacheMap; //哈希表的值是结点的键,值是链表迭代器
int capacity; //cache大小
public:
//初始化cache大小
LRUCache(int capacity) {
this -> capacity = capacity;
}
//查找
int get(int key) {
if (cacheMap.find(key) == cacheMap.end()) return -1;
//将要访问的结点移到链表头
cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
cacheMap[key] = cacheList.begin();
return cacheMap[key] -> val;
}
//插入
void put(int key, int value) {
if (cacheMap.find(key) == cacheMap.end())
{ //没找到,首先要判断链表是否已满
if (cacheList.size() == capacity)
{ //先在哈希表中删除链表的尾结点的键对应的迭代器,再在链表尾删除此结点
cacheMap.erase(cacheList.back().key);
cacheList.pop_back();
}
//将该结点插到表头,再在哈希表中加入其迭代器
cacheList.push_front(CacheNode(key, value));
cacheMap[key] = cacheList.begin();
}
else //找到,更新其值且将该结点移到链表头,最后更新哈希表的值——该键的迭代器,为表头迭代器
{
cacheMap[key] -> val = value;
cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
cacheMap[key] = cacheList.begin();
}
}
};
/**
* 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);
*/