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<Integer,LRUNode> 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;
}
}