手寫一個LRU算法

運用你所掌握的數據結構，設計和實現一個  LRU (最近最少使用) 緩存機制 。
實現 LRUCache 類：

LRUCache(int capacity) 以正整數作爲容量 capacity 初始化 LRU 緩存
int get(int key) 如果關鍵字 key 存在於緩存中，則返回關鍵字的值，否則返回 -1 。
void put(int key, int value) 如果關鍵字已經存在，則變更其數據值；如果關鍵字不存在，則插入該組「關鍵字-值」。當緩存容量達到上限時，它應該在寫入新數據之前刪除最久未使用的數據值，從而爲新的數據值留出空間。
 

要求：在 O(1) 時間複雜度內完成這兩種操作。

 思考

 
1 所謂緩存，必須要有讀+寫兩個操作，按照命中率的思路考慮，寫操作+讀操作時間複雜度都需要爲O(1)
 
2 特性要求分析
    2.1 必須有順序之分，以區分最近使用的和很久沒用到的數據排序。
    2.2 寫和讀操作 一次搞定。
    2.3 如果容量(坑位)滿了要刪除最不長用的數據，每次新訪問還要把新的數據插入到隊頭(按照業務你自己設定左右那一邊是隊頭) 
 
         查找快，插入快，刪除快，且還需要先後排序-------->什麼樣的數據結構滿足這個問題?
 
你是否可以在O(1)時間複雜度內完成這兩種操作?
 
如果一次就可以找到，你覺得什麼數據結構最合適?? 

參考LinkedHashMap

 方案一 依賴JDK

package com.lau.lrualgorithm.way;

import java.util.LinkedHashMap;
import java.util.Map;

/**
 * 複用現有api中的HashMap
 */
public class ReuseLinkedHashMap<K, V> extends LinkedHashMap<K, V> {

    //允許緩存個數上限
    private int cacheSize;

    //重載構造器
    public ReuseLinkedHashMap(int cacheSize) {
        super(cacheSize, 0.75f, true);
        this.cacheSize = cacheSize;
    }
    
    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return super.size() > cacheSize;
    }

    public V put(K key, V value){
//        if(super.size() == this.cachesize){
//            super.removeEldestEntry();
//        }

       return super.put(key, value);
    }

    public V get(Object key){
        return super.get(key);
    }

    public static void main(String[] args) {
        ReuseLinkedHashMap map = new ReuseLinkedHashMap(3);

        map.put(1, 1);
        map.put(2, 2);
        map.put(3, 3);

        System.out.println(map.keySet());

        map.put(4, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(5, 1);
        System.out.println(map.keySet());

    }
}

/**
 * true
 * [1, 2, 3]
 * [2, 3, 4]
 * [2, 4, 3]
 * [2, 4, 3]
 * [2, 4, 3]
 * [4, 3, 5]
 * */

/**false
 [1, 2, 3]
 [2, 3, 4]
 [2, 3, 4]
 [2, 3, 4]
 [2, 3, 4]
 [3, 4, 5]
 */

關鍵點：

1、複寫removeEldestEntry()方法

2、accessOrder – the ordering mode - true for access-order, false for insertion-order

3、最新節點存儲順序：從右至左

方案二 不依賴JDK

package com.lau.lrualgorithm.way;

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

//map負責查找，構建一個虛擬的雙向鏈表，它裏面安裝的就是一個個Node節點，作爲數據載體。
public class LruCacheDemo {

    //1.構造一個node節點作爲數據載體
    class Node<K, V> {
        K key;
        V value;
        Node<K, V> prev;
        Node<K, V> next;

        public Node() {
            this.prev = this.next = null;
        }

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            this.prev = this.next = null;
        }

    }

    //2 構建一個虛擬的雙向鏈表,裏面安放的就是我們的Node
    class DoubleLinkedList<K, V> {
        Node<K, V> head;
        Node<K, V> tail;

        public DoubleLinkedList() {
            head = new Node<>();
            tail = new Node<>();
            head.next = tail;
            tail.prev = head;
        }

        //3. 添加到頭
        public void addHead(Node<K, V> node) {
            node.next = head.next;
            node.prev = head;
            head.next.prev = node;
            head.next = node;
        }

        //4.刪除節點
        public void removeNode(Node<K, V> node) {
            node.next.prev = node.prev;
            node.prev.next = node.next;
            node.prev = null;
            node.next = null;
        }

        //5.獲得最後一個節點
        public Node getLast() {
            return tail.prev;
        }
    }

    private int cacheSize;
    Map<Integer, Node<Integer, Integer>> map;
    DoubleLinkedList<Integer, Integer> doubleLinkedList;

    public LruCacheDemo(int cacheSize) {
        this.cacheSize = cacheSize;//坑位
        map = new HashMap<>();//查找
        doubleLinkedList = new DoubleLinkedList<>();
    }

    public int get(int key) {
        if (!map.containsKey(key)) {
            return -1;
        }

        Node<Integer, Integer> node = map.get(key);
        doubleLinkedList.removeNode(node);
        doubleLinkedList.addHead(node);

        return node.value;
    }

    public void put(int key, int value) {
        if (map.containsKey(key)) {  //update
            Node<Integer, Integer> node = map.get(key);
            node.value = value;
//            map.put(key, node);

            doubleLinkedList.removeNode(node);
            doubleLinkedList.addHead(node);
        } else {
            if (map.size() == cacheSize)  //坑位滿了
            {
                Node<Integer, Integer> lastNode = doubleLinkedList.getLast();
                map.remove(lastNode.key);
                doubleLinkedList.removeNode(lastNode);
            }

            //新增一個
            Node<Integer, Integer> newNode = new Node<>(key, value);
            map.put(key, newNode);
            doubleLinkedList.addHead(newNode);

        }
    }

    public static void main(String[] args) {
        LruCacheDemo lruCacheDemo = new LruCacheDemo(3);

        lruCacheDemo.put(1, 1);
        lruCacheDemo.put(2, 2);
        lruCacheDemo.put(3, 3);

        //不能直接打印map，因爲此map是無序的！！！
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(4, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(5, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

    }

    private static void printKeys(LruCacheDemo lruCacheDemo){
        Node<Integer, Integer> node = lruCacheDemo.doubleLinkedList.head.next;
        while( node != null && node.key != null){
            System.out.print(node.key + " ");
            node = node.next;
        }

        System.out.println();
    }
}


/**
   * true
   * [1, 2, 3]
   * [2, 3, 4]
   * [2, 4, 3]
   * [2, 4, 3]
   * [2, 4, 3]
   * [4, 3, 5]
   * */

/**false
   [1, 2, 3]
   [2, 3, 4]
   [2, 3, 4]
   [2, 3, 4]
   [2, 3, 4]
   [3, 4, 5]
   */

注：

最新節點存儲順序：從左至右

手寫版數據結構