《leetcode》146. LRU 缓存机制（两种方式）《双向循环链表》

146. LRU 缓存机制

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

思路解析：

​ 其实很简单，就是put时候，看map中有没有对应的值，没有的话，新建Node，写进map，将节点置为头结点，判断是否超过容量，如果超过容量，就将尾节点（最久未使用）的丢弃；如果有的话，更新节点值，将节点移动到头结点。

​ get就是得到值，然后将节点移动到头结点。

​ 将节点移动到头结点：就删除链表中原来的节点，并把节点置为头结点。

代码：自己写循环链表

import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;

public class LRUCache {

    class DLinkedNode
    {
        int key;
        int val;
        DLinkedNode prev;
        DLinkedNode next;
        public DLinkedNode(){}
        public DLinkedNode(int key,int val){
            this.key=key;
            this.val=val;
        }
    }

    private Map<Integer,DLinkedNode> cache=new HashMap<Integer,DLinkedNode>();
    private int size;
    private int capacity;
    private DLinkedNode head,tail;

    public LRUCache(int capacity){
        this.size=0;
        this.capacity=capacity;
        // 使用伪头部和伪尾部节点
        head=new DLinkedNode();
        tail=new DLinkedNode();
        head.next=tail;
        tail.prev=head;
    }

    public int get(int key) {
        DLinkedNode node=cache.get(key);
        if(node==null){
            return -1;
        }

        //如果key已经存在，先通过hash表定位，再移动到头部
        moveToHead(node);
        return node.val;
    }

    public void put(int key,int value)
    {
        DLinkedNode node=cache.get(key);
        if(node==null) {
            // 如果key不存在，创建一个新的节点
            DLinkedNode newNode=new DLinkedNode(key,value);
            // 添加至哈希表
            cache.put(key,newNode);
            // 添加至双向链表的头部
            addToHead(newNode);
            ++size;
            // 如果超出容量，
            if(size>capacity)
            {
                // 删除双向链表的尾部节点
                DLinkedNode tail= removeTail();
                // 删除哈希表中的对应的项
                cache.remove(tail.key);
                --size;
            }
        }else{
            // 如果key存在，先通过哈希表定位，在修改value,并移动到头部
            node.val=value;
            moveToHead(node);
        }
    }

    private void moveToHead(DLinkedNode node) {
        removeNode(node);
        addToHead(node);
    }
    private void removeNode(DLinkedNode node) {
        node.prev.next=node.next;
        node.next.prev=node.prev;
        // 释放资源
        node=null;
    }


    private void addToHead(DLinkedNode node) {
        // 更新前后节点即可
        node.prev=head;
        node.next=head.next;
        head.next.prev=node;
        head.next=node;
    }

    private DLinkedNode removeTail() {
        DLinkedNode res=tail.prev;
        removeNode(res);
        return res;
    }


    public static void main(String[] args) {
        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}
        System.out.println(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}
        System.out.println(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}
        System.out.println(lRUCache.get(1));// 返回 -1 (未找到)
        System.out.println(lRUCache.get(3));// 返回 3
        System.out.println(lRUCache.get(4));// 返回 4
    }
}

代码：继承LinkedHashMap

import java.util.LinkedHashMap;
import java.util.Map;

class LRUCache<K, V> extends LinkedHashMap<K, V> {
    private final int CACHE_SIZE;

    /**
     * 传递进来最多能缓存多少数据
     *
     * @param cacheSize 缓存大小
     */
    public LRUCache(int cacheSize) {
        // true 表示让 linkedHashMap 按照访问顺序来进行排序，最近访问的放在头部，最老访问的放在尾部。
        // 第一个参数：初始化大小， 第二个参数，扩容因子， 第三个参数最近访问的放在头部
        // Math.ceil():“向上取整”， 即小数部分直接舍去，并向正数部分进1 假设容量为2 Math.ceil（2/0.75）+1=4 4*0.75=3
        // 当到达3时会触发扩容，其实影响不大，大一点，小一点，无所谓
        super((int) Math.ceil(cacheSize / 0.75) + 2, 0.75f, true);
        CACHE_SIZE = cacheSize;
    }
	
    
    @Override // 重写removeEldestEntry,否则不丢弃，
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        // 当 map中的数据量大于指定的缓存个数的时候，就自动删除最老的数据。
        return size() > CACHE_SIZE;
    }

    public static void main(String[] args) {
        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}
        System.out.println(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}
        System.out.println(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}
        System.out.println(lRUCache.get(1));// 返回 -1 (未找到)
        System.out.println(lRUCache.get(3));// 返回 3
        System.out.println(lRUCache.get(4));// 返回 4
    }
}