LRU缓存机制
题目：运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。
它应该支持以下操作： 获取数据 get 和 写入数据 put 。
获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果密钥已经存在，则变更其数据值；如果密钥不存在，则插入该组「密钥/数据值」。
当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。
示例：
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
代码：
class LRUCache {
public LRUCache(int capacity) {
}
public int get(int key) {
}
public void put(int key, int value) {
}
}
/**
* Your LRUCache object will be instantiated and called as such:
* LRUCache obj = new LRUCache(capacity);
* int param_1 = obj.get(key);
* obj.put(key,value);
*/
LRU页面置换算法(最近最少使用算法)(我的另一篇博文讲到了LFU最不经常使用页面置换算法，可以进行比较)
原理：
选择最后一次访问时间距离当前时间最长的一页并淘汰之。即淘汰没有使用的时间最长的页
每页设置访问时间戳，每当页面被访问时，该页面的时间戳被更新；
发生缺页中断时，淘汰时间戳最小的页面；
如图：图中的页面为三页，依次向存储中加入432143543215这些数字。
而存储空间只能存储三个页面，所以会按照上述规则不断淘汰已经存储在页面中的数字。
解题思路(logN的思路)：
知道了LRU的置换规则后，由于此题需要存储的是key和value,所以
首先，需要建一个类node，存放三样东西，key,value,times(时间戳)
其次，选择一种合适的数据结构来解决存储优先级问题，此处我们采用内部是小顶堆的PriorityQueue优先级队列用来实现times最小的元素在队头
但是我们会在让新元素入队之前可能会删除队列中指定元素，当然可以去遍历队列，但是这样太慢了
我们可以再用一种HashMap的数据集合用来存储节点，以便快速通过node的key来得到整个node。
最后，便是处理逻辑关系，写题目要求的get,put方法了
解题代码详解(logN)：
public class node implements Comparable<node>{
private int Key;//键
private int Value;//值
private int Times;//时间戳
node() {}
node(int key, int value, int time) {
this.Key = key;
this.Value = value;
this.Times = time;
}
public int getKey() {
return Key;
}
public void setKey(int Key) {
this.Key = Key;
}
public int getValue() {
return Value;
}
public void setValue(int Value) {
this.Value = Value;
}
public int getTimes() {
return Times;
}
public void setTimes(int Times) {
this.Times = Times;
}
@Override
public int compareTo(node o) {
//实现times最小的元素在队头
return Times - o.Times;
}
}
class LRUCache {
PriorityQueue<node> KeyValueTimes = new PriorityQueue();//用于实现优先级顺序
Map<Integer, node> nodeset;//用于O(1)取出某个具体的node
public int Capacity = 0;//我的cache中最大容量
public int nownum = 0;//cache的实时元素个数
public int tim = 0;//时间戳
public LRUCache(int capacity) {
this.Capacity = capacity;//设置cache容量
nodeset = new HashMap<Integer, node>(capacity);//用于O(1)取出某个具体的node，容量依然设置为capacity
}
public int get(int key) {
if(this.Capacity == 0)//判断容量是否为空，为空则直接返回-1
return -1;
node nownode = nodeset.get(key);//通过HashMap，快速通过key键快速得到node
if (nownode == null) {//如果key这个键没在队列中，则返回-1
return -1;
}else{
KeyValueTimes.remove(nownode);//移除队列中当前的这个node
nownode.setTimes(tim++);//更新当前这个node的时间戳
KeyValueTimes.offer(nownode);//再把它放回去
}
return nownode.getValue();
}
public void put(int key, int value) {
if(this.Capacity == 0)//判断容量是否为空,为空则不进行put
return;
node thisnode = new node(key,value,tim++);
node oldnode = nodeset.get(key);
if(oldnode == null){//队列里不存在这个key
if(nownum < this.Capacity){//没装满
KeyValueTimes.offer(thisnode);//在队列里添加新node
nodeset.put(key,thisnode);//在HashMap里添加新node
nownum++;//更新当前cache的元素个数
}
else{//装满了，需要LRU,最近最久为使用被移除
nodeset.remove(KeyValueTimes.poll().getKey());//移除队列里的队头，移除HashMap对应的那个node
KeyValueTimes.offer(thisnode);//在队列里添加新node
nodeset.put(key,thisnode);//在HashMap里添加新node
}
}
else{//队列里存在这个key
KeyValueTimes.remove(oldnode);//移除队列里键为key的node，移除HashMap对应的那个node
nodeset.remove(oldnode.getKey());
KeyValueTimes.offer(thisnode);//在队列里添加新node,这里新的node的value值可能会不一样，所以更新了value
nodeset.put(key,thisnode);//在队列里添加新node,这里新的node的value值可能会不一样，所以更新了value
}
}
}