146_LRU cache | LRU緩存設計

 

 

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。 

代碼以下：

 

 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 }