LRU缓存算法

首先是一个单链表的结果，key存储的是位置。val存储的是值。 链表的一个节点有两个值。

1.需要解决的几个问题

1.为什么使用双链表，在内存中找到某个节点，想要删除当前的节点需要找到前一个内存的地址，这样效率太低了。使用双链表可以原地的删除一个节点。

2.如何快速找到某个节点呢？通过哈希表，时间复杂度是o(1) 可以快速找到内存的地址。

对于LRU

1.每次查询过后的节点，应该题为到队尾。保存最近的使用。具体就是先删除当前的节点，再插入到队列末端。

2.对于put的逻辑，如果已经存在，将key提升为最近使用的

如果不存在，插入新的key。 如果容量满了，淘汰最久没有使用的key。再插入进去。

public class Node {
    public int key, val;
    public Node prev;
    public Node next;

    public Node() {
    }

    public Node(int key, int value) {
        this.key = key;
        this.val = value;
    }
}

public class DoubleList {

    public Node head, tail;
    public int size;

    public DoubleList() {
        head = new Node(0, 0);
        tail = new Node(0, 0);
        head.next = tail;
        tail.prev = head;
        size = 0;
    }

    //添加新的页面进来   图1
    public void addLast(Node x) {
        x.prev = tail.prev;
        x.next = tail;
        tail.prev.next = x;
        tail.prev = x;
        size++;
    }

    //删除一个节点
    public void remove(Node x) {
        x.prev.next = x.next;
        x.next.prev = x.prev;
        size--;
    }

    // 返回链表⻓度，时间 O(1)
    public int size() {
        return size;
    }


    // 删除链表中第⼀个节点，并返回该节点，时间 O(1)
    public Node removeFirst() {
        if (head.next == tail)
            return null;
        Node first = head.next;
        remove(first);
        return first;
    }
    //


    public void print() {
       Node cur=this.head.next;
       while (cur.next!=null){
           System.out.print(cur.key+" ");
           cur=cur.next;
       }
        System.out.println();
    }
}

package 操作系统代码.页面置换算法.lru;

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

public class LRUCache {
    // key -> Node(key, val)
    private HashMap<Integer, Node> map;
    // Node(k1, v1) <-> Node(k2, v2)...
    private DoubleList cache;
    // 最⼤容量
    private int cap;  //多少块

    public LRUCache(int capacity) {
        this.cap = capacity;
        map = new HashMap<>();
        cache = new DoubleList();
    }

    /* 将某个 key 提升为最近使⽤的 */
    private void makeRecently(int key) {
        Node x = map.get(key);
        // 先从链表中删除这个节点
        cache.remove(x);
        // 重新插到队尾
        cache.addLast(x);
    }

    /* 添加最近使⽤的元素 */
    private void addRecently(int key, int val) {
        Node x = new Node(key, val);
        // 链表尾部就是最近使⽤的元素
        cache.addLast(x);
        // 别忘了在 map 中添加 key 的映射
        map.put(key, x);
    }
    /* 删除某⼀个 key */
    private void deleteKey(int key) {
        Node x = map.get(key);
        // 从链表中删除
        cache.remove(x);
        // 从 map 中删除
        map.remove(key);
    }
    /* 删除最久未使⽤的元素 */
    private void removeLeastRecently() {
        // 链表头部的第⼀个元素就是最久未使⽤的
        Node deletedNode = cache.removeFirst();
        // 同时别忘了从 map 中删除它的 key
        int deletedKey = deletedNode.key;
        map.remove(deletedKey);
    }
    //一个是get方法  一个是put方法
    public int get(int key) {
        if (!map.containsKey(key)) {
            return -1;
        }
        // 将该数据提升为最近使⽤的
        makeRecently(key);
        return map.get(key).val;
    }
    public void put(int key, int val) {
        if (map.containsKey(key)) {
            // 删除旧的数据
            deleteKey(key);
            // 新插⼊的数据为最近使⽤的数据
            addRecently(key, val);
            return;
        }
        if (cap == cache.size()) {
            // 删除最久未使⽤的元素
            removeLeastRecently();
        }
        // 添加为最近使⽤的元素
        addRecently(key, val);
    }

    public static void main(String[] args) {
        LRUCache cache = new LRUCache(2);
        cache.put(1, 1);
        cache.cache.print();
// cache = [(1, 1)]
        cache.put(2, 2);
// cache = [(2, 2), (1, 1)]
        cache.cache.print();
        cache.get(1); // 返回 1
// cache = [(1, 1), (2, 2)]
// 解释：因为最近访问了键 1，所以提前⾄队头
// 返回键 1 对应的值 1
        cache.cache.print();
        cache.put(3, 3);
// cache = [(3, 3), (1, 1)]
// 解释：缓存容量已满，需要删除内容空出位置
// 优先删除久未使⽤的数据，也就是队尾的数据
// 然后把新的数据插⼊队头
        cache.get(2); // 返回 -1 (未找到)
        cache.cache.print();
// cache = [(3, 3), (1, 1)]
// 解释：cache 中不存在键为 2 的数据
        cache.put(1, 4);
        cache.cache.print();
// cache = [(1, 4), (3, 3)]
// 解释：键 1 已存在，把原始值 1 覆盖为 4
// 不要忘了也要将键值对提前到队头
    }
}