牛客例题一百遍：设计LRU缓存结构

描述

设计LRU(最近最少使用)缓存结构，该结构在构造时确定大小，假设大小为K，并有如下两个功能

1. set(key, value)：将记录(key, value)插入该结构
2. get(key)：返回key对应的value值

提示 :

1. 某个key的set或get操作一旦发生，认为这个key的记录成了最常使用的，然后都会刷新缓存。
2. 当缓存的大小超过K时，移除最不经常使用的记录。
3. 输入一个二维数组与K，二维数组每一维有2个或者3个数字，第1个数字为 opt，第2，3个数字为key，value
   若opt=1，接下来两个整数key, value，表示set(key, value)
   若opt=2，接下来一个整数key，表示get(key)，若key未出现过或已被移除，则返回-1
   对于每个opt=2，输出一个答案
4. 为了方便区分缓存里key与value，下面说明的缓存里key用""号包裹

进阶:你是否可以在O(1)的时间复杂度完成set和get操作

示例1

输入：[[1,1,1],[1,2,2],[1,3,2],[2,1],[1,4,4],[2,2]],3
返回值：[1,-1]
说明：
[1,1,1]，第一个1表示opt=1，要set(1,1)，即将(1,1)插入缓存，缓存是{"1"=1}
[1,2,2]，第一个1表示opt=1，要set(2,2)，即将(2,2)插入缓存，缓存是{"1"=1,"2"=2}
[1,3,2]，第一个1表示opt=1，要set(3,2)，即将(3,2)插入缓存，缓存是{"1"=1,"2"=2,"3"=2}
[2,1]，第一个2表示opt=2，要get(1)，返回是[1]，因为get(1)操作，缓存更新，缓存是{"2"=2,"3"=2,"1"=1}
[1,4,4]，第一个1表示opt=1，要set(4,4)，即将(4,4)插入缓存，但是缓存已经达到最大容量3，移除最不经常使用的{"2"=2}，插入{"4"=4}，缓存是{"3"=2,"1"=1,"4"=4}
[2,2]，第一个2表示opt=2，要get(2)，查找不到，返回是[1,-1]

示例2

输入：[[1,1,1],[1,2,2],[2,1],[1,3,3],[2,2],[1,4,4],[2,1],[2,3],[2,4]],2
返回值：[1,-1,-1,3,4]

解体思路

思路一

最简单的方法，使用LinkedHashMap，重写removeEldestEntry方法即可，代码如下:

 public int[] LRU(int[][] operators, int k) {
        // write code here
        LinkedHashMap<Integer, Integer> integerIntegerLinkedHashMap = new LinkedHashMap(16, 0.75f, true) {
            @Override
            protected boolean removeEldestEntry(Map.Entry eldest) {
                return size() > k;
            }
        };
        ArrayList<Integer> result = new ArrayList<>();
        for (int i = 0; i < operators.length; i++) {
            int length = operators[i].length;
            if (length == 2) {
                Integer integer = integerIntegerLinkedHashMap.get(operators[i][1]);
                if (integer == null) {
                    result.add(-1);
                } else {
                    result.add(integer);
                }
            } else {
                integerIntegerLinkedHashMap.put(operators[i][1], operators[i][2]);
            }
        }
        int[] ints = new int[result.size()];
        for (int i = 0; i < ints.length; i++) {
            ints[i] = result.get(i);
        }
        return ints;
    }

复杂度分析：
时间复杂度：O(N)，需要遍历数组一次。
空间复杂度：O(K)，LinkedHashMap的长度。

思路二

使用Queue和Hashmap，Queue保存数组位置和大小，Hashmap用来保存数据，代码如下：

 public int[] LRU(int[][] operators, int k) {
        // write code here
        HashMap<Integer, Integer> hashMap = new HashMap<>();
        Queue<Integer> queue = new LinkedList<>();
        ArrayList<Integer> result = new ArrayList<>();
        for (int i = 0; i < operators.length; i++) {
            if (queue.size() > k) {
                Integer poll = queue.poll();
                hashMap.remove(poll);
            }
            if (operators[i][0] == 1) {
                if (queue.contains(operators[i][1])) {
                    queue.remove(operators[i][1]);
                }
                queue.offer(operators[i][1]);
                hashMap.put(operators[i][1], operators[i][2]);
            } else {
                Integer integer = hashMap.get(operators[i][1]);
                if (integer != null) {
                    result.add(integer);
                } else {
                    result.add(-1);
                }
                if (queue.contains(operators[i][1])) {
                    queue.remove(operators[i][1]);
                    queue.offer(operators[i][1]);
                }
            }
        }
        int[] ints = new int[result.size()];
        for (int i = 0; i < ints.length; i++) {
            ints[i] = result.get(i);
        }
        return ints;
    }

复杂度分析：
时间复杂度：O(N*K)，需要遍历数组一次，队列remove需要O(K)的复杂度。
空间复杂度：O(K)，队列用来存储数据。