14.LRU缓存

题目描述

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。

题目链接

https://leetcode-cn.com/problems/lru-cache/

题目说明

函数get和put必须以O(1)的平均时间复杂度运行。

复杂度分析

时间复杂度：对于put和get都是O(1)。
空间复杂度：O(capacity)，因为哈希表和双向链表最多存储capacity+1个元素。

样例描述

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

代码

class LRUCache {
    class DListNode {
        int value;
        int key;
        
        DListNode prev;
        DListNode next;

        public DListNode() {}
        public DListNode(int _key, int _value) {
            value = _value;
            key = _key;
        }
    }

    private Map<Integer, DListNode> cache = new HashMap<Integer, DListNode>();
    private int size;
    private int capacity;
    private DListNode head, tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        head = new DListNode();
        tail = new DListNode();
        head.next = tail;
        tail.prev = head;
    }
    
    public int get(int key) {
        DListNode node = cache.get(key);
        if (node == null) {
            return -1;
        }

        // 因为是LRU算法，获取过的key，会放到头部
        moveToHead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        DListNode node = cache.get(key);
        if (node == null) {
            DListNode newNode = new DListNode(key, value);
            cache.put(key, newNode);
            ++size;
            addToHead(newNode);
            if (size > capacity) {
                DListNode res = removeToTail();
                cache.remove(res.key);
                --size;
            }
        } else {
            node.value = value;
            moveToHead(node);
        }
    }

    public void removeNode(DListNode node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    public void addToHead(DListNode node) {
        node.next = head.next;
        node.next.prev = node;
        head.next = node;
        node.prev = head;
    }

    public void moveToHead(DListNode node) {
        // 先将其移除
        removeNode(node);
        // 再将其插入到头部
        addToHead(node);
    }

    public DListNode removeToTail() {
        DListNode res = tail.prev;
        removeNode(res);
        return res;
    }
}

/**
 * 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);
 */