146_LRU cache | LRU缓存设计

 

 

题目：

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

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
set(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.

 

题解：

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

这道题要求设计实现LRU cache的数据结构，实现set和get功能。学习过操做系统的都应该知道，cache做为缓存能够帮助快速存取数据，可是肯定是容量较小。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几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。

“为了可以快速删除最久没有访问的数据项和插入最新的数据项，咱们将双向链表链接Cache中的数据项，而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，在进行过屡次查找操做后，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。当须要替换时，链表最后的位置就是最近最少被使用的数据项，咱们只须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中块的命中多是随机的，和Load进来的顺序无关。

         其次，双向链表插入、删除很快，能够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，如今考虑下算法的时间复杂度。为了能减小整个数据结构的时间复杂度，就要减小查找的时间复杂度，因此这里利用HashMap来作，这样时间苏咋读就是O(1)。

 因此对于本题来讲：

get(key): 若是cache中不存在要get的值，返回-1；若是cache中存在要找的值，返回其值并将其在原链表中删除，而后将其做为头结点。

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，而后将其做为头结点；当药set的key值不存在，就新建一个node，若是当前len<capacity,就将其加入hashmap中，并将其做为头结点，更新len长度，不然，删除链表最后一个node，再将其放入hashmap并做为头结点，但len不更新。

 

 

原则就是：对链表有访问，就要更新链表顺序。 

代码以下：

 

 1 public class LRUCache {
 2     private HashMap<Integer, DoubleLinkedListNode> map
 3             = new HashMap<Integer, DoubleLinkedListNode>();
 4     private DoubleLinkedListNode head;
 5     private DoubleLinkedListNode end;
 6     private int capacity;
 7     private int len;
 8 
 9     public LRUCache(int capacity) {
10         this.capacity = capacity;
11         len = 0;
12     }
13 
14     public int get(int key) {
15         if (map.containsKey(key)) {
16             DoubleLinkedListNode latest = map.get(key);
17             removeNode(latest);
18             setHead(latest);
19             return latest.val;
20         } else {
21             return -1;
22         }
23     }
24 
25     public void removeNode(DoubleLinkedListNode node) {
26         DoubleLinkedListNode cur = node;
27         DoubleLinkedListNode pre = cur.pre;
28         DoubleLinkedListNode post = cur.next;
29 
30         if (pre != null) {
31             pre.next = post;
32         } else {
33             head = post;
34         }
35 
36         if (post != null) {
37             post.pre = pre;
38         } else {
39             end = pre;
40         }
41     }
42 
43     public void setHead(DoubleLinkedListNode node) {
44         node.next = head;
45         node.pre = null;
46         if (head != null) {
47             head.pre = node;
48         }
49 
50         head = node;
51         if (end == null) {
52             end = node;
53         }
54     }
55 
56     public void set(int key, int value) {
57         if (map.containsKey(key)) {
58             DoubleLinkedListNode oldNode = map.get(key);
59             oldNode.val = value;
60             removeNode(oldNode);
61             setHead(oldNode);
62         } else {
63             DoubleLinkedListNode newNode =
64                     new DoubleLinkedListNode(key, value);
65             if (len < capacity) {
66                 setHead(newNode);
67                 map.put(key, newNode);
68                 len++;
69             } else {
70                 map.remove(end.key);
71                 end = end.pre;
72                 if (end != null) {
73                     end.next = null;
74                 }
75 
76                 setHead(newNode);
77                 map.put(key, newNode);
78             }
79         }
80     }
81 }
82 
83 class DoubleLinkedListNode {
84     public int val;
85     public int key;
86     public DoubleLinkedListNode pre;
87     public DoubleLinkedListNode next;
88 
89     public DoubleLinkedListNode(int key, int value) {
90         val = value;
91         this.key = key;
92     }
93 }