146. 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.

LRU缓存的实现。在这种方法中，如果写入内存的时候容量不足了，最近没用的那一块内存将被换出，以存入新的数据。这里用unordered_map和list来实现。在链表中，最近用过的点在头部，最近没用过的点在尾部，哈希映射表用来保存键值和节点的对应关系。在get函数中，如果在映射表中找不到key对应的那一个节点，返回1；如果找到了，将该节点移到链表的头部（做法是复制和删除原来的点，将复制得到的点插在头部），表示最新用过这个点。在set函数中，如果在映射表中找不到key对应的那一个节点，则要插入该节点，因为是最近用过的，所以查到头部，注意如果链表长度到达最大值，要把最后的节点删除；如果找到了，则更新这个点的实值，然后将该点移到头部（做法和上面的一样）。这样就简单实现了这种缓存机制。

代码：

class LRUCache{
public:
    LRUCache(int capacity):Max(capacity)
	{
    }
    
    int get(int key) 
	{
        auto it=um.find(key);
        if(it==um.end()) return -1;
        auto lit=it->second;
        node newnode(lit->key,lit->val);
        ls.erase(lit);
        ls.push_front(newnode);
        um[key]=ls.begin();
        return ls.begin()->val;
    }
    
    void set(int key, int val) 
	{
		auto it=um.find(key);
        if(it==um.end())
        {
        	if(ls.size()==Max)
        	{
        		um.erase(ls.back().key);
        		ls.pop_back();
			}
			ls.push_front(node(key,val));
			um[key]=ls.begin();
		}
		else
		{
			auto lit=it->second;
			node newnode(key,val);
			ls.erase(lit);
			ls.push_front(newnode);
			um[key]=ls.begin();
		}
    }
    
private:
	struct node
	{
		int key;
		int val;
		node(int k,int v):key(k),val(v){}
	};
	
	list<node>ls;
	unordered_map<int,list<node>::iterator>um;
	int Max;
};