设计-LruCache的实现

设计-LruCache的设计与实现

LruCache的运用相当广泛，在加载图片等大文件时，难以离开LruCache和软引用，例如Android著名的图片加载库Glide以及网络请求库OkHttp就使用到了LruCache。在集合框架中，LinkedHashMap也可以原生的支持LruCache功能。

先看一下题目描述

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。它应该支持以下操作： 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 如果关键字 (key) 存在于缓存中，则获取关键字的值（总是正数），否则返回 -1。
写入数据 put(key, 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:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得关键字 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得关键字 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

我们可以有很多方式实现LruCache，但是，要达到O(1)的时间复杂度，就需要充分考虑到各种数据结构的性质了，显然，只有hash表可以帮助我们实现O(1)的时间复杂度，但众所周知，Hash又称为散列，顾名思义，我们没法获取排序信息，所以，仅仅使用hash表是不足的，我们还需要借助双向链表来实现对元素的访问顺序排序（单向链表插入指定位置的时间复杂度为O(N)）。

实际上，只要读过LinkedHashMap的源码，就可以发现LinkedHashMap也是这样做的，其在内部维护一个双向链表，以及一个HashMap，在元素数量大于某个阈值插入时，删掉双向链表尾部元素，同时将新元素插入双向链表头。如果小于阈值，那样直接插入链表头即可。在插入和删除双向链表中的元素时，同时向HashMap插入或者删除。

下面是代码实现

public class LruCache {
    private class Node{
        public Node prev;
        public Node next;
        public int key;
        public int val;

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

    private class DoubleList{
        private Node head;
        private Node tail;
        private int size;

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

        private Node remove(Node node){
            node.prev.next=node.next;
            node.next.prev=node.prev;
            size--;
            return node;
        }
        public Node removeLast(){
            if(size==0){
                return null;
            }
            return remove(tail.prev);
        }

        public void addFirst(Node node){
            node.prev=head;
            node.next=head.next;
            head.next.prev=node;
            head.next=node;
            size++;
        }

        public int size(){
            return size;
        }

    }

    private Map<Integer,Node> map;
    private DoubleList cache;
    private int cap;

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

    public int get(int key){
        if(!map.containsKey(key)){
            return -1;
        }
        int val=map.get(key).val;
        put(key,val);
        return val;
    }

    public void put(int key,int val){
        Node node=new Node(key,val);
        if(map.containsKey(key)){
            cache.addFirst(cache.removeLast());
            map.put(key,node);
        }else {
            if(cap==cache.size()){
                map.remove(cache.removeLast().key);
            }
            cache.addFirst(node);
            map.put(key,node);
        }
    }
}