LRU Cache in Leetcode
https://leetcode.com/problems/lru-cache/
Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get
and set
.
get(key)
- Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
set(key, value)
- Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.
我自己用一个hashmap + hashtable 来做。 虽然能够对付一般小数据计算。 但是在leetcodeoj 上提交,报错 timeout.
import java.util.*;
public class LRUCache {
public HashMap<Integer, Integer> map = new HashMap<Integer, Integer>();
public Hashtable<Integer, Integer> table = new Hashtable<Integer, Integer>();
public int capacity =0;
public LRUCache(int capacity) {
this.capacity = capacity;
}
public static int get(int key) {
if (map.containsKey(key)) {
table.put(key, (int) System.currentTimeMillis());
return map.get(key);
} else
return -1;
}
public static void set(int key, int value) {
if( !map.containsKey(key)) {
if(map.size() < capacity) {
map.put(key, value);
table.put(key, (int)System.currentTimeMillis());
} else {
// remove the least recent visited item
rmLeastUsedItem(table);
table.put(key, (int)System.currentTimeMillis());
//System.out.println("remove the least recent visited item");
map.put(key, value);
}
}
}
public static void rmLeastUsedItem(Hashtable table){
// sort map by the values
ArrayList<Integer> values= new ArrayList( table.values());
// comparing using natural ordering
int max = (int) Collections.max(values,null);
//System.out.println("Max val: " + max);
Iterator<Map.Entry<Integer, Integer>> iter = table.entrySet().iterator();
while (iter.hasNext()) {
Map.Entry<Integer,Integer> entry = iter.next();
if(max == entry.getValue()){
iter.remove();
}
}
}
public static void main(String[] args){
LRUCache cache = new LRUCache(2);
cache.set(2,1);
cache.set(1,1);
cache.set(2,3);
cache.set(4,1);
System.out.println("cache.get(1)=" + cache.get(1));
System.out.println("cache.get(2)=" + cache.get(2));
}
}
参考网友的解题方法如下:
http://www.cnblogs.com/springfor/p/3869393.html
题解:
这道题是一个数据结构设计题,在leetcode里面就这么一道,还是挺经典的一道题,可以好好看看。
这道题要求设计实现LRU cache的数据结构,实现set和get功能。学习过操作系统的都应该知道,cache作为缓存可以帮助快速存取数据,但是确定是容量较小。这道题要求实现的cache类型是LRU,LRU的基本思想就是“最近用到的数据被重用的概率比较早用到的大的多”,是一种更加高效的cache类型。
解决这道题的方法是:双向链表+HashMap。
“为了能够快速删除最久没有访问的数据项和插入最新的数据项,我们将双向链表连接Cache中的数据项,并且保证链表维持数据项从最近访问到最旧访问的顺序。 每次数据项被查询到时,都将此数据项移动到链表头部(O(1)的时间复杂度)。这样,在进行过多次查找操作后,最近被使用过的内容就向链表的头移动,而没 有被使用的内容就向链表的后面移动。当需要替换时,链表最后的位置就是最近最少被使用的数据项,我们只需要将最新的数据项放在链表头部,当Cache满 时,淘汰链表最后的位置就是了。 ”
“注: 对于双向链表的使用,基于两个考虑。
首先是Cache中块的命中可能是随机的,和Load进来的顺序无关。
其次,双向链表插入、删除很快,可以灵活的调整相互间的次序,时间复杂度为O(1)。”
解决了LRU的特性,现在考虑下算法的时间复杂度。为了能减少整个数据结构的时间复杂度,就要减少查找的时间复杂度,所以这里利用HashMap来做,这样时间苏咋读就是O(1)。
所以对于本题来说:
get(key): 如果cache中不存在要get的值,返回-1;如果cache中存在要找的值,返回其值并将其在原链表中删除,然后将其作为头结点。
set(key,value):当要set的key值已经存在,就更新其value, 将其在原链表中删除,然后将其作为头结点;当药set的key值不存在,就新建一个node,如果当前len<capacity,就将其加入hashmap中,并将其作为头结点,更新len长度,否则,删除链表最后一个node,再将其放入hashmap并作为头结点,但len不更新。
原则就是:对链表有访问,就要更新链表顺序。
代码如下:private HashMap<Integer, DoubleLinkedListNode> map
= new HashMap<Integer, DoubleLinkedListNode>();
private DoubleLinkedListNode head;
private DoubleLinkedListNode end;
private int capacity;
private int len;
public LRUCache(int capacity) {
this.capacity = capacity;
len = 0;
}
public int get(int key) {
if (map.containsKey(key)) {
DoubleLinkedListNode latest = map.get(key);
removeNode(latest);
setHead(latest);
return latest.val;
} else {
return -1;
}
}
public void removeNode(DoubleLinkedListNode node) {
DoubleLinkedListNode cur = node;
DoubleLinkedListNode pre = cur.pre;
DoubleLinkedListNode post = cur.next;
if (pre != null) {
pre.next = post;
} else {
head = post;
}
if (post != null) {
post.pre = pre;
} else {
end = pre;
}
}
public void setHead(DoubleLinkedListNode node) {
node.next = head;
node.pre = null;
if (head != null) {
head.pre = node;
}
head = node;
if (end == null) {
end = node;
}
}
public void set(int key, int value) {
if (map.containsKey(key)) {
DoubleLinkedListNode oldNode = map.get(key);
oldNode.val = value;
removeNode(oldNode);
setHead(oldNode);
} else {
DoubleLinkedListNode newNode =
new DoubleLinkedListNode(key, value);
if (len < capacity) {
setHead(newNode);
map.put(key, newNode);
len++;
} else {
map.remove(end.key);
end = end.pre;
if (end != null) {
end.next = null;
}
setHead(newNode);
map.put(key, newNode);
}
}
}
}
class DoubleLinkedListNode {
public int val;
public int key;
public DoubleLinkedListNode pre;
public DoubleLinkedListNode next;
public DoubleLinkedListNode(int key, int value) {
val = value;
this.key = key;
}