2015.03.28 leetcode LRU cache 解题记录

LRU Cache in Leetcode

https://leetcode.com/problems/lru-cache/

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.

我自己用一个hashmap ＋ hashtable 来做。 虽然能够对付一般小数据计算。 但是在leetcodeoj 上提交，报错 timeout.

import java.util.*;

public class LRUCache {
    
    public  HashMap<Integer, Integer> map = new HashMap<Integer, Integer>();
	public  Hashtable<Integer, Integer> table = new Hashtable<Integer, Integer>();
	public  int capacity =0;

    public LRUCache(int capacity) {
		this.capacity = capacity;
    }
    
    public static int get(int key) {
		if (map.containsKey(key)) {
			table.put(key, (int) System.currentTimeMillis());
			return map.get(key);
		} else 
			return -1;
        
    }
    
    public static void set(int key, int value) {
		if( !map.containsKey(key)) {
			if(map.size() < capacity) {
				map.put(key, value);
				table.put(key, (int)System.currentTimeMillis());
			} else {
				// remove the least recent visited item
				 rmLeastUsedItem(table);
				 table.put(key, (int)System.currentTimeMillis());
				 //System.out.println("remove the least recent visited item");
				 map.put(key, value);
			 }
		}
    }
	
	public static void rmLeastUsedItem(Hashtable table){
		// sort map by the values 
		ArrayList<Integer> values= new ArrayList( table.values());
		 // comparing using natural ordering
		 int max = (int) Collections.max(values,null);
		  //System.out.println("Max val: " + max); 
		  
		  Iterator<Map.Entry<Integer, Integer>> iter = table.entrySet().iterator();
		  while (iter.hasNext()) {
		      Map.Entry<Integer,Integer> entry = iter.next();
		      if(max == entry.getValue()){
		          iter.remove();
		      }
		  }
	}
	public static void main(String[] args){
		LRUCache cache = new LRUCache(2);
		cache.set(2,1);
		cache.set(1,1);
		cache.set(2,3);
		cache.set(4,1);
		System.out.println("cache.get(1)=" + cache.get(1));
		System.out.println("cache.get(2)=" + cache.get(2));
	}
}

参考网友的解题方法如下：

http://www.cnblogs.com/springfor/p/3869393.html

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，这样时间苏咋读就是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：

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 removeNode(DoubleLinkedListNode node) {
        DoubleLinkedListNode cur = node;
        DoubleLinkedListNode pre = cur.pre;
        DoubleLinkedListNode post = cur.next;
 
        if (pre != null) {
            pre.next = post;
        } else {
            head = post;
        }
 
        if (post != null) {
            post.pre = pre;
        } else {
            end = pre;
        }
    }
 
    public void setHead(DoubleLinkedListNode node) {
        node.next = head;
        node.pre = null;
        if (head != null) {
            head.pre = node;
        }
 
        head = node;
        if (end == null) {
            end = node;
        }
    }
 
    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);
            }
        }
    }
}
 
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;
    }