使用LinekedHashMap实现LRU笔记

146. LRU 缓存 - 力扣（LeetCode）

---

LRU算法设计

cache 这个数据结构必要的条件：

1. cache 中的元素必须有时序，以区分最近使用和久未使用的数据。当容量满了之后删除最久未使用的元素

• 如果我们每次默认从链表尾部添加元素，那么显然越靠尾部的元素就是最近使用的，越靠头部的元素就是最久未使用的。

2. 需要在cache中快速找某个key是否已经存在并得到对应的val

• 对于某一个 key，我们可以通过哈希表快速定位到链表中的节点，从而取得对应 val

3. 每次访问cache 中的某个key，需要将这个元素变为最近使用的，也就是说 cache 要支持在任意位置快速插入和删除元素。

• 链表显然是支持在任意位置快速插入和删除的，改改指针就行。只不过传统的链表无法按照索引快速访问某一个位置的元素，而这里借助哈希表，可以通过 key 快速映射到任意一个链表节点，然后进行插入和删除。
  LRU 缓存算法的核心数据结构就是哈希链表，双向链表和哈希表的结合体。
  

代码实现

LinkedHashMap，它与HashMap的区别就是在Map的结构外还有一个链表结构，Map的每个key-value都会以Node的形式同时存储在Map和链表中
当put一个key和value时，加入Map的同时，也加入链表尾部，这样实现了有序（HashMap本来是无序的）
正是这个链表完成了LRU的实现。

• get
  （使用了）的时候将该Node从链表中移除，并添加到链表尾部。
• put
  检查Map的容量，如果超出了，就从移除链表头部Node（时间最久的，即最近最少使用），同时从map中移除。
  
  使用JAVA实现

// 使用LinkedHashMap实现LRU算法
class LRUCache {
    int cap;
    LinkedHashMap<Integer, Integer> cache = new LinkedHashMap<>();

    public LRUCache(int capacity) {
        this.cap = capacity;
    }

    public int get(int key) {
        if(!cache.containsKey(key)){
            return -1;
        }
        // 否则，将key变为最近使用
        makRecently(key);
        return cache.get(key);
    }
    
    public void put(int key, int value) {
        // 如果key已经存在
        if(cache.containsKey(key)){
            // 修改key的值
            cache.put(key, value);
            makRecently(key);
            return;
        }
        // 如果不存在，判断容量满没满，如果已满
        if(cache.size() >= this.cap){
            // 链表头部就是最久未使用的key，删除链表头
            int oldestKey = cache.keySet().iterator().next();
            cache.remove(oldestKey);
        }
        // 将新的key添加到链表尾部
        cache.put(key, value);
    }

    private void makRecently(int key){
        int val = cache.get(key);
        // 删除key，重新插入到队尾
        cache.remove(key);
        cache.put(key, val);
    }
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache obj = new LRUCache(capacity);
 * int param_1 = obj.get(key);
 * obj.put(key,value);
 */