【Java】【LeetCode】146. LRU Cache

题目：

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.

The cache is initialized with a positive capacity.

Follow up:
Could you do both operations in O(1) time complexity?

Example:

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

题解：

这道题是一个数据结构设计题，在leetcode里面就这么一道，还是挺经典的一道题，可以好好看看。

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。

解决这道题的方法是：双向链表+HashMap。

“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头部（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头移动，而没 有被使用的内容就向链表的后面移动。当需要替换时，链表最后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头部，当Cache满 时，淘汰链表最后的位置就是了。 ”

 “注： 对于双向链表的使用，基于两个考虑。

            首先是Cache中块的命中可能是随机的，和Load进来的顺序无关。

         其次，双向链表插入、删除很快，可以灵活的调整相互间的次序，时间复杂度为O(1)。”

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)。

 所以对于本题来说：

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，然后将其作为头结点。

set(key,value)：当要set的key值已经存在，就更新其value， 将其在原链表中删除，然后将其作为头结点；当药set的key值不存在，就新建一个node，如果当前len<capacity,就将其加入hashmap中，并将其作为头结点，更新len长度，否则，删除链表最后一个node，再将其放入hashmap并作为头结点，但len不更新。

 

原则就是：对链表有访问，就要更新链表顺序。 

代码如下：

import java.util.HashMap;
import java.util.LinkedList;
import java.util.Map;

public class LRUCache
{

    public static void main(String[] args)
    {
        /**
         * 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.
         * 
         * The cache is initialized with a positive capacity.
         * 
         * Follow up:
         * Could you do both operations in O(1) time complexity?
         * 
         * Example:
         */
        LRUCache cache = new LRUCache(2 /* capacity */ );
        cache.put(1, 1);
        cache.put(2, 2);
        System.out.println(cache.get(1)); // returns 1
        cache.put(3, 3); // evicts key 2
        System.out.println(cache.get(2)); // returns -1 (not found)
        cache.put(4, 4); // evicts key 1
        System.out.println(cache.get(1)); // returns -1 (not found)
        System.out.println(cache.get(3)); // returns 3
        System.out.println(cache.get(4)); // returns 4
    }

    private int capacity;

    private LinkedList<Integer> list = new LinkedList<Integer>();

    private Map<Integer, Integer> map = new HashMap<Integer, Integer>();

    public LRUCache(int capacity)
    {
        this.capacity = capacity;
    }

    public int get(int key)
    {
        if (map.containsKey(key))
        {
            list.remove(new Integer(key));
            list.offerFirst(key);
            return map.get(key);
        }
        else
        {
            return -1;
        }
    }

    public void put(int key, int value)
    {
        if (map.containsKey(key))
        {
            list.remove(new Integer(key));
        }
        else
        {
            if (capacity <= map.size())
            {
                Integer lastKey = list.pollLast();
                map.remove(lastKey);
            }
        }
        list.offerFirst(key);
        map.put(key, value);
    }

    /**
     * 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);
     */
}