Leetcode LRU缓存的java实现及解析

Leetcode LRU缓存的java实现及解析

LRU是least recent used的缩写，顾名思义就是最近没有用过的元素，LRU缓存的知识还是大三的时候学系统的时候学到的，其实就是一种类似提高缓存使用率的方式。大家都直到缓存其实是很小的，但是速度却非常的快，怎么样决定缓存里面存储什么样的元素很直接地影响系统的效率，当我们需要调用一个文件的时候系统会先去缓存里面找，如果找到了就返回，如果没找到才会去其他的地方找。

LRU就是一种决定缓存内容的方式，也就是如果我们要放入缓存的内容大于缓存的容量，我们就把那个最不靠近当前使用的内容给丢弃，然后放入新的内容。其他的还有类似FIFO(First in first out)。而leetcode就是要我们来实现一个模拟的LRU的数据结构。我们可以使用一个双向链表和一个哈希表来解决这个问题，链表的尾部就是那个最近没有被使用过的元素了。让我们看看怎么实现的吧。

class LRU{
	class Node{
		Node prev;
		Node next;
		int key;
		int val;
		public Node(int key,int val){
			this.key = key;
			this.val = val;
		}
	}
	class DList{
		Node head;
		Node tail;
		public void push(Node n){
			n.next = head;
			n.prev = null;
			if(head == null) tail = head;
			head.prev = n;
			head = n;
		}
		public void remove(Node n){
			if(n == head)head = head.next;
			if(n == tail)tail = tail.prev;
			if(n.prev != null) n.next.prev = n.prev;
			if(n.next != null) n.prev.next = n.next;
		}
	}
	private Map<Integer,Node> cache = new HashMap<>();
	private int cap;
	private DList ddl = new DList();
	public LRUCache(int capacity){
		this.cap = capacity;
	}
	public int get(int key){
		if(cache.containsKey(key){
			Node n = cache.get(key);
			ddl.remove(n);
			ddl.push(n);
			return n.val;
		}
		return -1;
	}
	public void put(int key, int value) {
        if (cache.containsKey(key)) { // edge case
            dll.remove(cache.get(key));
        } else if (cache.size() >= capacity) {
            Node lru = dll.tail;
            cache.remove(lru.key);
            dll.remove(lru);
        }
        
        Node n = new Node(key, value);
        cache.put(key, n);
        dll.push(n);
    }
}

利用一个double linked list和一个哈希表就可以实现LRU缓存的机制了。