4.LRU 缓存机制

146. LRU 缓存机制

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 。

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：

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

提示：

• 1 <= capacity <= 3000
• 0 <= key <= 10000
• 0 <= value <= 10^5
• 最多调用 2 * 105 次 get 和 put

算法分析
哈希表 + 双向链表

最近最少使用：表示在特定的几个点中，新进来的点会替代这几个点最前使用过的点

1. Node结构体代表的是双向链表的结点，有 key，val 值，以及方向值 left，right
2. 用哈希表存在 key 和 val 的映射和什么时候使用过，即哈希表存的是 key 和 Node 的映射值
3. 规定双向链表的越靠头的部分表示越最近使用，越靠尾的部分表示越早使用，若需要替换都拿尾部分进行替换
4. get(key) 函数：查询哈希表中是否存在 key 值，若不存在则返回 -1 ，否则返回该值，并且维护双向链表，将 key 对应的 Node 放在双向链表头部分，即进行删除当前结构体 并 在队头加入结构体的操作
5. put(key,value) 函数：
   1. ​ 若哈希表中存在 key 值，则对 key 的映射值进行修改，并把 key 对应的 Node 放在双向链表头部分，即进行删除当前结构体 并 在队头加入结构体的操作
   2. ​ 若哈希表中不存在 key 值，若双向链表存的个数已经达到n（给定的个数），则将最尾部的 Node 删除，在队头添加新的结构体，若双向链表存的个数已经达不到n（给定的个数），则在队头添加新的结构体
      时间复杂度 O(1)

class LRUCache {

    //哈希表 + 双向链表
    static Node head, tail;
    static HashMap<Integer, Node> map = new HashMap<Integer, Node>();
    static int n;

    //删除当前节点
    static void remove(Node p){
        p.right.left = p.left;//连接右边
        p.left.right = p.right;//连接左边
    }

    //从头节点增加
    static void insert(Node p){
        p.right = head.right;
        p.right.left = p;
        p.left = head;
        head.right = p;
    }


    //初始化
    public LRUCache(int capacity) {
        n = capacity;
        head = new Node(-1,-1);
        tail = new Node(-1,-1);
        head.right = tail;
        tail.left = head;
        map.clear();

    }
    
    //取
    public int get(int key) {
         //没有key
        if(!map.containsKey(key)) return -1;
        //有key，则需要删除当前节点，并重新插入到节点，要正确理解LRU算法(在操作系统学过)
        Node p = map.get(key);
        remove(p);
        insert(p);
        //返回key对应的value值
        return p.val;
    }
    
    //存放
    public void put(int key, int value) {
        //如果哈希表存在，且存在key
        if(map.containsKey(key)){
            Node p = map.get(key);
            p.val = value;
            remove(p);
            insert(p);
        }else{
            //满了，需要删除尾节点指向的前一个节点，因为很久没使用，需要被淘汰
            if(map.size() == n){
                Node p = tail.left;
                remove(p);
                map.remove(p.key);
            }
            Node t = new Node(key,value);
            insert(t);
            map.put(key,t);
        }

    }
}

class Node{
    int key, val;
    Node left,right;
    Node(int key, int val){
        this.key = key;
        this.val = 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);
 */