LRU算法 Java

LRU算法/LRU（Least recently used）

算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高。

• 请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
  实现 LRUCache 类：
  LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
  int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
  void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该逐出最久未使用的关键字。
  函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
  示例：

输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]

解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1);    // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2);    // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1);    // 返回 -1 (未找到)
lRUCache.get(3);    // 返回 3
lRUCache.get(4);    // 返回 4

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lru-cache

class LRUCache {

    // 定义一个双向链表,因为双向链表删除尾部元素以及一个特定的节点速度很快
    class DLinkedList{
        int val; // LRUcache值
        int key; // LRU键 因为在删除的时候也需要将hashmap中的值也进行删除
        DLinkedList prev; 
        DLinkedList next;

        public DLinkedList(){

        }

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

    private DLinkedList head; // 头节点
    private DLinkedList rear; // 尾节点
    private Map<Integer, DLinkedList> map; // hashMap用来存储key,和双链表中的每一个节点。
    private int size; // 当前LRUcache的尺寸
    private int capacity; // LRUcache的最大容量

    public LRUCache(int capacity) {

        // 初始化LRU缓存参数,以及初始化双向链表，hashmap
        this.capacity = capacity;
        size = 0;
        head = new DLinkedList();
        rear = new DLinkedList();
        map = new HashMap<>();
        head.next = rear;
        rear.prev = head;
    }
    
    // LRU添加操作
    public int get(int key) {
        DLinkedList node = map.get(key);
        // 如果当前hashmap中没有就返回 -1
        if (null == node){
            return -1;
        } 
        // 如果存在,将该节点移动到双向链表的头部。并返回该节点的值
        moveToHead(node);
        return node.val;
    }
    
    public void put(int key, int value) {
        DLinkedList node = map.get(key);
        // 如果所要添加的节点不存在
        if (null == node){
            // 创建一个新的节点放在头部,并且当前的尺寸增1
            DLinkedList newNode = new DLinkedList(value, key);
            map.put(key, newNode);
            addNode(newNode);
            ++size;
            //  如果当前尺寸以及超过的容量,删除最不经常使用的尾部节点，当前尺寸-1
            if (size > capacity){
                map.remove(rear.prev.key);
                removeRear();
                size--;
            }
        } else {
            // 如果存在则替换该值，并且将该节的移动到双链表的头部，是当前最常使用的
            node.val = value;
            moveToHead(node);
        }
    }

    // 删除双链表中的node节点
    public void removeNode(DLinkedList node){
        node.next.prev = node.prev;
        node.prev.next = node.next;
    }

    // 删除最尾部节点(容量超了之后也就是最不常使用的)
    public void removeRear(){
        removeNode(rear.prev);
    }

    // 添加节点, 新节点都是通过头插法的形式进入双向链表的。
    public void addNode(DLinkedList node){
        node.next = head.next;
        node.prev = head;
        head.next = node;
        node.next.prev = node;
    }

    // 将node节点移动到头部
    public void moveToHead(DLinkedList node){
        removeNode(node);
        addNode(node);
    }

}