146. LRU缓存机制

一、LRU 算法描述

LRU 算法实际上是让你设计数据结构：首先要接收一个 capacity 参数作为缓存的最大容量，然后实现两个 API，一个是 put(key, val) 方法存入键值对，另一个是 get(key) 方法获取 key 对应的 val，如果 key 不存在则返回 -1。

注意哦，get 和 put 方法必须都是 O(1)O(1) 的时间复杂度，我们举个具体例子来看看 LRU 算法怎么工作。

/* 缓存容量为 2 */
LRUCache cache = new LRUCache(2);
// 你可以把 cache 理解成一个队列
// 假设左边是队头，右边是队尾
// 最近使用的排在队头，久未使用的排在队尾
// 圆括号表示键值对 (key, val)

cache.put(1, 1);
// cache = [(1, 1)]
cache.put(2, 2);
// cache = [(2, 2), (1, 1)]
cache.get(1);       // 返回 1
// cache = [(1, 1), (2, 2)]
// 解释：因为最近访问了键 1，所以提前至队头
// 返回键 1 对应的值 1
cache.put(3, 3);
// cache = [(3, 3), (1, 1)]
// 解释：缓存容量已满，需要删除内容空出位置
// 优先删除久未使用的数据，也就是队尾的数据
// 然后把新的数据插入队头
cache.get(2);       // 返回 -1 (未找到)
// cache = [(3, 3), (1, 1)]
// 解释：cache 中不存在键为 2 的数据
cache.put(1, 4);    
// cache = [(1, 4), (3, 3)]
// 解释：键 1 已存在，把原始值 1 覆盖为 4
// 不要忘了也要将键值对提前到队头

作者：labuladong
链接：https://leetcode-cn.com/problems/two-sum/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

二、LRU 算法设计

分析上面的操作过程，要让 put 和 get 方法的时间复杂度为 O(1)O(1)，我们可以总结出 cache 这个数据结构必要的条件：查找快，插入快，删除快，有顺序之分。

因为显然 cache 必须有顺序之分，以区分最近使用的和久未使用的数据；而且我们要在 cache 中查找键是否已存在；如果容量满了要删除最后一个数据；每次访问还要把数据插入到队头。

那么，什么数据结构同时符合上述条件呢？哈希表查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢。所以结合一下，形成一种新的数据结构：哈希链表。

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。这个数据结构长这样：

速删除、添加节点。回想刚才的例子，这种数据结构是不是完美解决了 LRU 缓存的需求？

也许读者会问，为什么要是双向链表，单链表行不行？另外，既然哈希表中已经存了 key，为什么链表中还要存键值对呢，只存值不就行了？

想的时候都是问题，只有做的时候才有答案。这样设计的原因，必须等我们亲自实现 LRU 算法之后才能理解，所以我们开始看代码吧～

三  算法实现

package leetcode;

import java.util.HashMap;

class Node {
	public int key, val;
	public Node pre, next;

	Node(int key, int val) {
		this.key = key;
		this.val = val;
	}
}

class DoubleList {
	private Node tail, head;// 头尾节点
	private int size;// 链表元素数

	DoubleList() {
		head = new Node(0, 0);
		tail = new Node(0, 0);
		head.next = tail;
		tail.pre = head;
		size = 0;
	}

	// 在链表头部添加节点x
	public void addFirst(Node x) {
		x.next = head.next;
		x.pre = head;
		head.next.pre = x;
		head.next = x;
		size++;
	}

	// 删除链表中x节点
	public void romve(Node x) {
		x.next.pre = x.pre;
		x.pre.next = x.next;
		size--;
	}

	// 删除链表中最后一个节点，并返回该节点
	public Node romoveLast() {
		if (tail.pre == head)
			return null;
		Node last = tail.pre;
		romve(last);
		return last;
	}

	// 返回链表长度
	public int size() {
		return size;
	}
}

public class LRUCache {

	private HashMap<Integer, Node> map;
	private DoubleList cache;
	private int capacity;

	public LRUCache(int capacity) {
		this.capacity = capacity;
		map = new HashMap<>();
		cache = new DoubleList();
	}

	public int get(int key) {
		if (!map.containsKey(key))
			return -1;
		int val = map.get(key).val;
		// 利用put方法把数据提到前面
		put(key, val);
		return val;
	}

	public void put(int key, int value) {
		// 把新节点构造出来
		Node x = new Node(key, value);
		if (map.containsKey(key)) {
			// 删除旧的节点，新的节点插入到头部
			cache.romve(map.get(key));
			cache.addFirst(x);
			// 更新map中对应的数据
			map.put(key, x);
		} else {
			if (capacity == cache.size()) {
				// 删除表中的最后一个元素
				Node last = cache.romoveLast();
				map.remove(last.key);
			}
			// 直接插到头部
			cache.addFirst(x);
			map.put(key, x);
		}
	}

	public static void main(String[] args) {

	}

}

 参考链接：https://leetcode-cn.com/problems/lru-cache/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/