leetcode 146. LRU 缓存机制

题目描述

运用你所掌握的数据结构，设计和实现一个  LRU (最近最少使用) 缓存机制 。
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) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？

示例：
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

提示：
1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put

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

解题思路

为了实现O(1)的复杂度，需要使用哈希表实现随机查找，被查找的内容是双向链表的结点位置。
最早被使用的value被放在链表的左边，新加入或者刚刚被使用的value放在链表的右边。
哈希表存储结构{key: node, prev: node, next: node}
双向链表存储结构head <-> {value} <-> {value} <-> {value} <-> tail

注：python中删除dict元素的方法为del dict[key]或者dict.pop(key)

解题代码

class DlinkNone:
    def __init__(self, value: int):
        self.value = value
        self.prev = None
        self.next = None

class LRUCache:

    def __init__(self, capacity: int):
        self.head = DlinkNone(0)
        self.tail = DlinkNone(0) # 头部用来删value，尾部用来增加value
        self.head.next, self.tail.prev = self.tail, self.head
        self.head.prev, self.tail.next = None, None
        self.value_link_list = None
        self.key_node_map = dict()
        self.max_capacity = capacity
        self.now_capacity = 0

    def get(self, key: int) -> int:
        if key in self.key_node_map.keys():
            if self.head.next != self.tail.prev:
                self.key_node_map[key].prev.next = self.key_node_map[key].next
                self.key_node_map[key].next.prev = self.key_node_map[key].prev
                self.tail.prev.next = self.key_node_map[key]
                self.key_node_map[key].prev = self.tail.prev
                self.key_node_map[key].next = self.tail
                self.tail.prev = self.key_node_map[key]
            return self.key_node_map[key].value
        else:
            return -1

    def put(self, key: int, value: int) -> None:
        new_node = None
        if key in self.key_node_map.keys():
            self.key_node_map[key].value = value
            self.key_node_map[key].prev.next = self.key_node_map[key].next
            self.key_node_map[key].next.prev = self.key_node_map[key].prev
            self.tail.prev.next = self.key_node_map[key]
            self.key_node_map[key].prev = self.tail.prev
            self.key_node_map[key].next = self.tail
            self.tail.prev = self.key_node_map[key]
        else:
            if self.now_capacity >= self.max_capacity: # 如果已经满了，就去删掉最早入表的那个值
                for k in self.key_node_map.keys():
                    if self.key_node_map[k] == self.head.next:
                        del self.key_node_map[k]
                        break
                self.head.next = self.head.next.next
                del self.head.next.prev
                self.head.next.prev = self.head
            else:
                self.now_capacity += 1
            new_node = DlinkNone(value)
            self.tail.prev.next = new_node
            new_node.prev = self.tail.prev
            new_node.next = self.tail
            self.tail.prev = new_node
            self.key_node_map[key] = new_node

执行结果

执行结果：通过
执行用时：3132 ms, 在所有 Python3 提交中击败了5.20%的用户
内存消耗：71.9 MB, 在所有 Python3 提交中击败了18.95%的用户