*LRU Cache

題目：

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.

 

 

題解：

這道題是一個數據結構設計題，在leetcode裏面就這麼一道，仍是挺經典的一道題，能夠好好看看。

這道題要求設計實現LRU cache的數據結構，實現set和get功能。學習過操做系統的都應該知道，cache做爲緩存能夠幫助快速存取數據，可是肯定是容量較小。這道題要求實現的cache類型是LRU，LRU的基本思想就是「最近用到的數據被重用的機率比較早用到的大的多」，是一種更加高效的cache類型。

解決這道題的方法是：雙向鏈表+HashMap。

「爲了可以快速刪除最久沒有訪問的數據項和插入最新的數據項，咱們將雙向鏈表鏈接Cache中的數據項，而且保證鏈表維持數據項從最近訪問到最舊訪問的順序。 每次數據項被查詢到時，都將此數據項移動到鏈表頭部（O(1)的時間複雜度）。這樣，在進行過屢次查找操做後，最近被使用過的內容就向鏈表的頭移動，而沒 有被使用的內容就向鏈表的後面移動。當須要替換時，鏈表最後的位置就是最近最少被使用的數據項，咱們只須要將最新的數據項放在鏈表頭部，當Cache滿 時，淘汰鏈表最後的位置就是了。 」

 「注： 對於雙向鏈表的使用，基於兩個考慮。

            首先是Cache中塊的命中多是隨機的，和Load進來的順序無關。

         其次，雙向鏈表插入、刪除很快，能夠靈活的調整相互間的次序，時間複雜度爲O(1)。」

解決了LRU的特性，如今考慮下算法的時間複雜度。爲了能減小整個數據結構的時間複雜度，就要減小查找的時間複雜度，因此這裏利用HashMap來作，這樣時間蘇咋讀就是O(1)。

 因此對於本題來講：

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，返回其值並將其在原鏈表中刪除，而後將其做爲頭結點。

set(key,value)：當要set的key值已經存在，就更新其value， 將其在原鏈表中刪除，而後將其做爲頭結點；當藥set的key值不存在，就新建一個node，若是當前len<capacity,就將其加入hashmap中，並將其做爲頭結點，更新len長度，不然，刪除鏈表最後一個node，再將其放入hashmap並做爲頭結點，但len不更新。

 

原則就是：對鏈表有訪問，就要更新鏈表順序。 

class DoubleLinkedListNode {
    public int val;
    public int key;
    public DoubleLinkedListNode pre;
    public DoubleLinkedListNode next;
 
    public DoubleLinkedListNode(int key, int value) {
        val = value;
        this.key = key;
    }
}    

public class LRUCache {
    private HashMap<Integer, DoubleLinkedListNode> map 
        = new HashMap<Integer, DoubleLinkedListNode>();
    private DoubleLinkedListNode head;
    private DoubleLinkedListNode end;
    private int capacity;
    private int len;
    
    public LRUCache(int capacity) {
        this.capacity = capacity;
        len = 0;
    }
    
    public int get(int key) {
        if(map.containsKey(key)) {
            DoubleLinkedListNode latest = map.get(key);
            removeNode(latest);
            setHead(latest);
            return latest.val;
        }
        else return -1;
    }
    
    public void set(int key, int value) {
        if(map.containsKey(key))
        {
            DoubleLinkedListNode oldNode = map.get(key);
            oldNode.val = value;
            removeNode(oldNode);
            setHead(oldNode);
        }
        else
        {
            DoubleLinkedListNode newNode = new DoubleLinkedListNode(key, value);
            if(len<capacity)
            {
                setHead(newNode);
                map.put(key,newNode);
                len++;
            }
            else
            {
                map.remove(end.key);
                end = end.pre;
                if (end != null) {
                    end.next = null;
                }
 
                setHead(newNode);
                map.put(key,newNode);
            
            }
        }
    }
    
    public void removeNode(DoubleLinkedListNode node)
    {
        DoubleLinkedListNode cur = node;
        DoubleLinkedListNode pre = node.pre;
        DoubleLinkedListNode next = node.next;

        if(pre!=null)
        {
            pre.next = next;
            // next.pre = pre; next may be NULL!
        }
        else
        {
            head = next;
        }
        
        if(next!=null)
        {
            next.pre = pre;
            // pre.next = next; ?
        }
        else
        {
            end = pre;
        }
    }
    
    public void setHead(DoubleLinkedListNode node)
    {
        node.next = head;
        node.pre = null;
        // head.pre = node;
        if (head != null) {
            head.pre = node;  //Head may be NULL!empty linkedlist
        }
        head = node;
        if(end==null){
            end = node;
        }
        
    }
}

 http://www.topjavatutorial.com/java/java-programs/lru-cache-java/