146. LRU Cache

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value) - Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.

LRUCache cache = new LRUCache( 2 /* capacity */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // returns 1
cache.put(3, 3); // evicts key 2
cache.get(2); // returns -1 (not found)
cache.put(4, 4); // evicts key 1
cache.get(1); // returns -1 (not found)
cache.get(3); // returns 3
cache.get(4); // returns 4

思想：
这道题要求设计实现LRU cache的数据结构，实现set和get功能。学习过操作系统的都应该知道，cache作为缓存可以帮助快速存取数据，但是确定是容量较小。这道题要求实现的cache类型是LRU，LRU的基本思想就是“最近用到的数据被重用的概率比较早用到的大的多”，是一种更加高效的cache类型。

“为了能够快速删除最久没有访问的数据项和插入最新的数据项，我们将双向链表连接Cache中的数据项，并且保证链表维持数据项从最近访问到最旧访问的顺序。 每次数据项被查询到时，都将此数据项移动到链表尾部（O(1)的时间复杂度）。这样，在进行过多次查找操作后，最近被使用过的内容就向链表的尾部移动，而没有被使用的内容就向链表的前面移动。当需要替换时，链表最前面的位置就是最近最少被使用的数据项，我们只需要将最新的数据项放在链表尾部，当Cache满 时，淘汰链表最前的位置就是了。 ”

解决了LRU的特性，现在考虑下算法的时间复杂度。为了能减少整个数据结构的时间复杂度，就要减少查找的时间复杂度，所以这里利用HashMap来做，这样时间复杂度就是O(1)。

方法：
get(key): 如果cache中不存在要get的值，返回-1；如果cache中存在要找的值，返回其值并将其在原链表中删除，然后将其移动到最尾端。

set(key,value)：

1. 调用get方法看返回不返回-1，当不返回-1也就是已经存在时，更新其value，调用的get方法会自动将其放在尾端；
2. 当这个值不存在时，如果map.size()==capacity,也就是当前map容量已满，如要删除前面(head.next)点，然后将此点put进来；

class LRUCache {
    private class Node{
        Node pre;
        Node next;
        int key;
        int value;
        
        public Node(int key,int value){
            this.key=key;
            this.value=value;
            this.pre=null;
            this.next=null;
        }
    }

    private int capacity;
    private Node head=new Node (-1,-1);
    private Node tail=new Node(-1,-1);
    private HashMap<Integer,Node> map=new HashMap<Integer,Node>();
    
    public LRUCache(int capacity) {
        this.capacity=capacity;
        tail.pre=head;
        head.next=tail;
        
    }
    
    public int get(int key) {
       if(!map.containsKey(key)){
           return -1;
       } 
        Node n=map.get(key);
        remove(n);
        toTail(n);
        //因为返回的是int值
        return n.value; 
    }
    
    public void put(int key, int value) {
        //如果这个值存在，更新value，return
        //get函数已经有了movetoTail
        if (get(key) != -1) {
            map.get(key).value = value;
            return;
        }
        //如果没有存在
        //如果现在map已经存满，remove最靠前的点
        if(map.size()==capacity){
            map.remove(head.next.key);
            head.next=head.next.next;
            head.next.pre=head;
        }
        Node n=new Node(key,value);
        map.put(key,n);
        toTail(n);        
        
    }
    
    private void toTail(Node n){
        n.pre=tail.pre;
        tail.pre=n;
        n.pre.next=n;
        n.next=tail;
    }
    private void remove(Node n){
        n.pre.next=n.next;
        n.next.pre=n.pre;
    }
}

Some tips:

1. 主要数据结构 hashmap<integer,node>
   doublelinkedlist
2. (node).val 返回整型
3. hashmap存放 map.put()
   删除 map.remove()