Java中具有泛型和O（1）操作的LRU缓存

Question

这是工作面试中经常提到的一个问题。这个想法是定义一个数据结构，而不是使用Java在LinkedHashMap中内置的结构。

LRU缓存会删除 最近最少使用的 条目，以插入新的条目。因此，鉴于以下情况：

 A - B - C - D - E

其中A是最近最少使用的项目，如果要插入F，则需要删除A。

如果我们保留一个HashMap，其中包含按（键，值）的缓存条目以及包含元素的键和使用时间的单独列表，则可以轻松实现这一点。但是，我们需要查询列表以查找最近使用最少的项目，其潜在的时间复杂度为O（n）。

如何在Java中为泛型html" target="_blank">对象和O（1）操作实现此结构？

这与可能的副本有所不同，因为它专注于效率（O（1）ops）和实现数据结构本身，而不是扩展Java。

Answer 1

从问题本身可以看出，查询链接列表时会出现O（n）操作问题。因此，我们需要替代的数据结构。我们需要能够从HashMap更新项目的上次访问时间，而无需进行搜索。

我们可以保留两个单独的数据结构。 具有（Key，Pointer） 对和 双链表 的 HashMap
将用作删除和存储值的优先级队列。从HashMap，我们可以指向双向链表中的元素并更新其检索时间。因为我们直接从HashMap转到列表中的项目，所以我们的时间复杂度保持在O（1）

例如，我们的双向链表如下所示：

least_recently_used  -> A <-> B <-> C <-> D <-> E <- most_recently_used

我们需要保持指向LRU和MRU项目的指针。条目的值将存储在列表中，当我们查询HashMap时，我们将获得一个指向列表的指针。在get（）上，我们需要将该项目放在列表的最右侧。在put（key，value）上，如果缓存已满，则需要从列表和HashMap中删除列表最左侧的项目。

以下是Java中的示例实现：

public class LRUCache<K, V>{

    // Define Node with pointers to the previous and next items and a key, value pair
    class Node<T, U> {
        Node<T, U> previous;
        Node<T, U> next;
        T key;
        U value;

        public Node(Node<T, U> previous, Node<T, U> next, T key, U value){
            this.previous = previous;
            this.next = next;
            this.key = key;
            this.value = value;
        }
    }

    private HashMap<K, Node<K, V>> cache;
    private Node<K, V> leastRecentlyUsed;
    private Node<K, V> mostRecentlyUsed;
    private int maxSize;
    private int currentSize;

    public LRUCache(int maxSize){
        this.maxSize = maxSize;
        this.currentSize = 0;
        leastRecentlyUsed = new Node<K, V>(null, null, null, null);
        mostRecentlyUsed = leastRecentlyUsed;
        cache = new HashMap<K, Node<K, V>>();
    }

    public V get(K key){
        Node<K, V> tempNode = cache.get(key);
        if (tempNode == null){
            return null;
        }
        // If MRU leave the list as it is
        else if (tempNode.key == mostRecentlyUsed.key){
            return mostRecentlyUsed.value;
        }

        // Get the next and previous nodes
        Node<K, V> nextNode = tempNode.next;
        Node<K, V> previousNode = tempNode.previous;

        // If at the left-most, we update LRU 
        if (tempNode.key == leastRecentlyUsed.key){
            nextNode.previous = null;
            leastRecentlyUsed = nextNode;
        }

        // If we are in the middle, we need to update the items before and after our item
        else if (tempNode.key != mostRecentlyUsed.key){
            previousNode.next = nextNode;
            nextNode.previous = previousNode;
        }

        // Finally move our item to the MRU
        tempNode.previous = mostRecentlyUsed;
        mostRecentlyUsed.next = tempNode;
        mostRecentlyUsed = tempNode;
        mostRecentlyUsed.next = null;

        return tempNode.value;

    }

    public void put(K key, V value){
        if (cache.containsKey(key)){
            return;
        }

        // Put the new node at the right-most end of the linked-list
        Node<K, V> myNode = new Node<K, V>(mostRecentlyUsed, null, key, value);
        mostRecentlyUsed.next = myNode;
        cache.put(key, myNode);
        mostRecentlyUsed = myNode;

        // Delete the left-most entry and update the LRU pointer
        if (currentSize == maxSize){
            cache.remove(leastRecentlyUsed.key);
            leastRecentlyUsed = leastRecentlyUsed.next;
            leastRecentlyUsed.previous = null;
        }

        // Update cache size, for the first added entry update the LRU pointer
        else if (currentSize < maxSize){
            if (currentSize == 0){
                leastRecentlyUsed = myNode;
            }
            currentSize++;
        }
    }
}