146-LRU 缓存机制
时间: 2023-10-25 21:08:41 浏览: 53
解法1:使用有序字典(OrderedDict)
思路:
1. 使用一个有序字典来存储缓存的键值对,有序字典可以保持插入顺序。
2. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除有序字典的第一个元素。
3. 当访问一个已存在的键值对时,需要将该键值对移动到有序字典的末尾,表示最近使用过。
实现:
1. 初始化时,设定缓存容量,创建一个空的有序字典。
2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对移动到有序字典的末尾。
3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对移动到有序字典的末尾;若键不存在,则插入该键值对,并将该键值对移动到有序字典的末尾。若插入后缓存超出容量,则删除有序字典的第一个元素。
代码实现如下:
```python
from collections import OrderedDict
class LRUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.cache = OrderedDict()
def get(self, key: int) -> int:
if key in self.cache:
self.cache.move_to_end(key)
return self.cache[key]
return -1
def put(self, key: int, value: int) -> None:
if key in self.cache:
del self.cache[key]
self.cache[key] = value
if len(self.cache) > self.capacity:
self.cache.popitem(last=False)
```
复杂度分析:
- 时间复杂度:对于get和put操作,有序字典的删除和插入操作的时间复杂度都是O(1),因此 get和put操作的时间复杂度均为O(1)。
- 空间复杂度:使用了一个有序字典来存储键值对,因此空间复杂度为O(N),其中N为缓存的容量。
解法2:使用哈希表和双向链表
思路:
1. 使用一个哈希表来存储缓存的键值对,哈希表的键为缓存的键,值为双向链表中对应节点的指针。
2. 使用一个双向链表来存储缓存的键值对,链表的每个节点包括键、值和前后指针。
3. 当插入一个新的键值对时,如果缓存已满,需要删除最久未使用的键值对,即删除双向链表的头节点,同时从哈希表中删除该键。
4. 当访问一个已存在的键值对时,需要将该键值对对应的节点移动到双向链表的尾部,表示最近使用过。
实现:
1. 初始化时,设定缓存容量,创建一个空的哈希表和双向链表。
2. 获取指定键的值时,若键不存在则返回-1;若键存在则将该键值对的值返回,并将该键值对对应的节点移动到双向链表的尾部。
3. 插入一个键值对时,若键已存在则更新该键值对的值,并将该键值对对应的节点移动到双向链表的尾部;若键不存在,则插入该键值对对应的节点到双向链表的尾部,并在哈希表中添加该键值对。若插入后缓存超出容量,则删除双向链表的头节点,并从哈希表中删除对应键。
代码实现如下:
```python
class DLinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.cache = dict()
self.head = DLinkedNode()
self.tail = DLinkedNode()
self.head.next = self.tail
self.tail.prev = self.head
def get(self, key: int) -> int:
if key in self.cache:
node = self.cache[key]
self.moveToTail(node)
return node.value
return -1
def put(self, key: int, value: int) -> None:
if key in self.cache:
node = self.cache[key]
node.value = value
self.moveToTail(node)
else:
if len(self.cache) >= self.capacity:
self.removeLRU()
node = DLinkedNode(key, value)
self.cache[key] = node
self.addToTail(node)
def moveToTail(self, node: DLinkedNode) -> None:
self.removeNode(node)
self.addToTail(node)
def removeNode(self, node: DLinkedNode) -> None:
node.prev.next = node.next
node.next.prev = node.prev
def addToTail(self, node: DLinkedNode) -> None:
node.prev = self.tail.prev
node.next = self.tail
self.tail.prev.next = node
self.tail.prev = node
def removeLRU(self) -> None:
lruNode = self.head.next
self.removeNode(lruNode)
del self.cache[lruNode.key]
```
复杂度分析:
- 时间复杂度:对于get和put操作,哈希表的查找和删除操作的时间复杂度都是O(1),双向链表的插入和删除操作的时间复杂度也是O(1),因此 get和put操作的时间复杂度均为O(1)。
- 空间复杂度:哈希表和双向链表分别需要存储所有键值对和节点,因此空间复杂度为O(N),其中N为缓存的容量。
相关推荐
![md](https://img-home.csdnimg.cn/images/20210720083646.png)
![md](https://img-home.csdnimg.cn/images/20210720083646.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)