算法题: 设计LRU缓存结构
作者:互联网
描述
设计LRU缓存结构,该结构在构造时确定大小,假设大小为K,并有如下两个功能
- set(key, value):将记录(key, value)插入该结构
- get(key):返回key对应的value值
[要求]
- set和get方法的时间复杂度为O(1)
- 某个key的set或get操作一旦发生,认为这个key的记录成了最常使用的。
- 当缓存的大小超过K时,移除最不经常使用的记录,即set或get最久远的。
若opt=1,接下来两个整数x, y,表示set(x, y)
若opt=2,接下来一个整数x,表示get(x),若x未出现过或已被移除,则返回-1
对于每个操作2,输出一个答案
示例1
输入:
[[1,1,1],[1,2,2],[1,3,2],[2,1],[1,4,4],[2,2]],3
复制返回值:
[1,-1]
复制说明:
第一次操作后:最常使用的记录为("1", 1)
第二次操作后:最常使用的记录为("2", 2),("1", 1)变为最不常用的
第三次操作后:最常使用的记录为("3", 2),("1", 1)还是最不常用的
第四次操作后:最常用的记录为("1", 1),("2", 2)变为最不常用的
第五次操作后:大小超过了3,所以移除此时最不常使用的记录("2", 2),加入记录("4", 4),并且为最常使用的记录,然后("3", 2)变为最不常使用的记录
备注:
1 \leq K \leq N \leq 10^51≤K≤N≤105
-2 \times 10^9 \leq x,y \leq 2 \times 10^9−2×109≤x,y≤2×109
import java.util.*;
public class Solution {
public static class LRUCache {
// 双向链表节点定义
class Node {
int key;
int val;
LRUCache.Node prev;
LRUCache.Node next;
}
private int capacity;
//保存链表的头节点和尾节点
private LRUCache.Node first;
private LRUCache.Node last;
private Map<Integer, LRUCache.Node> map;
public LRUCache(int capacity) {
this.capacity = capacity;
map = new HashMap<>(capacity);
}
public int get(int key) {
LRUCache.Node node = map.get(key);
//为空返回-1
if (node == null) {
return -1;
}
moveToHead(node);
return node.val;
}
private void moveToHead(LRUCache.Node node) {
if (node == first) {
return;
} else if (node == last) {
last.prev.next = null;
last = last.prev;
} else {
node.prev.next = node.next;
node.next.prev = node.prev;
}
node.prev = first.prev;
node.next = first;
first.prev = node;
first = node;
}
public void put(int key, int value) {
LRUCache.Node node = map.get(key);
if (node == null) {
node = new LRUCache.Node();
node.key = key;
node.val = value;
if(map.size() == capacity) {
removeLast();
}
addToHead(node);
map.put(key, node);
} else {
node.val = value;
moveToHead(node);
}
}
private void addToHead(LRUCache.Node node) {
if (map.isEmpty()) {
first = node;
last = node;
} else {
node.next = first;
first.prev = node;
first = node;
}
}
private void removeLast() {
map.remove(last.key);
LRUCache.Node prevNode = last.prev;
if (prevNode != null) {
prevNode.next = null;
last = prevNode;
}
}
@Override
public String toString() {
return map.keySet().toString();
}
}
/**
* lru design
* @param operators int整型二维数组 the ops
* @param k int整型 the k
* @return int整型一维数组
*/
public int[] LRU (int[][] operators, int k) {
LRUCache lruLinkedHashMap = new LRUCache(3);
List<Integer> result = new ArrayList<>();
// write code here
for (int i = 0; i < operators.length; i++) {
int opt = operators[i][0];
if(opt==1){
lruLinkedHashMap.put(operators[i][1],operators[i][2]);
}else if(opt==2){
Object o = lruLinkedHashMap.get(operators[i][1]);
if (o==null){
result.add(-1);
// return new int[]{operators[i][1], -1};
// System.out.println(Arrays.asList(operators[i][1],-1));
}else{
result.add((Integer) o);
// return new int[]{operators[i][1],o};
// System.out.println(Arrays.asList(operators[i][1],o));
}
}
}
int[] res = new int[result.size()];
for (int i = 0; i < result.size(); i++) {
res[i]= result.get(i);
}
return res;
}
}
标签:node,Node,缓存,int,算法,LRU,key,prev,LRUCache 来源: https://blog.csdn.net/www_tlj/article/details/117792412