一次倒在LRU上的经历（一）

前言
大家好，我是bigsai，好久不见，甚是想念！

最近有个小伙伴跟我诉苦，说他没面到LRU，他说他很久前知道有被问过LRU的但是心想自己应该不会遇到，所以暂时就没准备。

奈何不巧，这还就真的考到了！他此刻的心情，可以用一张图来证明：

他说他最终踉踉跄跄的写了一个效率不是很高的LRU，面试官看着不是很满意要求写一个O(1)复杂度的LRU……后来果真GG了，后来发现这是力扣146的一道原题。

防止日后再碰到这个坑，今天和大家一起把这个坑踩了，这道题我自身刚开始也是用较为普通的方法，但是好的方法虽然不是很难但是想了真的很久才想到，虽然花了太多时间不太值，总算是自己想出来了，将这个过程给大家分享一下(只从算法的角度，不从操作系统的角度)。

理解LRU
设计一个LRU，你得知道什么是LRU吧？

LRU，英文全称为Least Recently Used，翻译过来就是最近最久未使用算法，是一种常用的页面置换算法。

说起页面置换算法，这就是跟OS关系比较大的了，我们都知道内存的速度比较快，但是内存的容量是非常有限的，不可能给所有页面装到内存中，所以就需要一个策略将常用的页面预放到内存中。

但是吧，谁也不知道进程下次会访问哪个内存，并不能很有效的知道(我们在当前并没有预测未来的功能)，所以有些页面置换算法只是理想化但是没法真实实现的(没错就是最佳置换算法(Optimal)),然后常见必回的算法就是FIFO(先进先出)和LRU(最近最久未使用)。

LRU理解不难，就是维护一个有固定大小的容器，核心就是get()和put()两个操作。

我们先看一下LRU会有的两个操作：

初始化：LRUCache(int capacity) ，以正整数作为容量 capacity 初始化 LRU 缓存。

查询：get(int key),从自己的设计的数据结构中查找是否有当前key对应的value，如果有那么返回对应值并且要将key更新记录为最近使用，如果没有返回-1。

插入/更新：put(int key,int value)，可能是插入一个key-value，也可能是更新一个key-value，如果容器中已经存才这个key-value那么只需要更新对应value值，并且标记成最新。如果容器不存在这个值，那么要考虑容器是否满了，如果满了要先删除最久未使用的那对key-value。

这里的流程可以给大家举个例子，例如

容量大小为2：
[ "put",  "put", "get", "put","get", "put","get","get","get"]
[ [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1],  [3], [4]]

这个过程如下：

大家容易忽略的细节有：

• put()存在更新的操作,例如put(3,3),put(3,4)会更新key为3的操作。
• get()可能查询不到，但是查询到也会更新最久未使用的顺序。
• 如果容器未使用满，那么put可能更新可能插入，但是不会删除；如果容器满了并且put插入，就要考虑删除最久未使用的key-value了。
  对于上面的这么一个规则，我们该如何处理呢？

如果单单用一个List类似的列表，可以顺序存储键值对，在List前面的(0下标为前)我们认为它是比较久的，在List后我们认为它是比较新的。我们考虑下各种操作可能会这样设计：

如果来get操作：

遍历List一个个比对，查看是否有该key的键值对，如果有直接返回对应key的value，如果没有那么返回-1.
如果来put操作：

遍历List，如果有该key的键值对，那么果断删除这个key-value，最后在末尾统一插入该键值对。

如果没有对应的key并且List容器已经到达最满了，那么果断删除第一个位置的key-value。
用List可能需要两个(一个存key一个存value)，或者一个存Node节点(key，value为属性)的List，考虑下这个时间复杂度：

put操作：O(n)，get操作：O(n) 两个操作都需要枚举列表线性复杂度，效率属实有点拉胯，肯定不行，这样的代码我就不写了。

哈希初优化

从上面的分析来看，我们已经可以很自信的将LRU写出来了，不过现在要考虑的是一个优化的事情。

如果说我们将程序中引入哈希表，那么肯定会有一些优化的。用哈希表存储key-value，查询是否存在的操作都能优化为O(1),但是删除或者插入或者更新位置的复杂度可能还是O(n),我们一起分析一下：

最久未使用一定是一个有序的序列来储存，要么是顺序表(数组)要么是链表，如果是数组实现的ArrayList存储最久未使用这个序列。

如果是ArrayList进行删除最久未使用(第一个)key-value，新的key被命中变成最新被使用(先删除然后插入末尾)操作都是O(n)。

同理如果是LinkedList的一些操作大部分也是O(n)的，像删除第一个元素这个是因为数据结构原因O(1)。

你发现自己的优化空间其实非常非常小，但是确实还是有进步的，只是被卡住不知道双O(1)的操作究竟怎么优化，这里面我把这个版本代码放出来，大家可以参考一下(如果面试问到实在不会可以这么写)

class LRUCache {

    Map<Integer,Integer>map=new HashMap<>();
    List<Integer>list=new ArrayList<>();
    int maxSize;
    public  LRUCache(int capacity) {
        maxSize=capacity;
    }

    public int get(int key) {
        if(!map.containsKey(key))//不存在返回-1
            return -1;
        int val=map.get(key);
        put(key,val);//要更新位置 变成最新 很重要！
        return val;
    }

    public void put(int key, int value) {
        //如果key存在，直接更新即可
        if (map.containsKey(key)) {
            list.remove((Integer) key);
            list.add(key);
        } else {//如果不存在 要插入到最后，但是如果容量满了需要删除第一个(最久)
            if (!map.containsKey(key)) {
                if (list.size() == maxSize) {
                    map.remove(list.get(0));
                    list.remove(0);
                }
                list.add(key);
            }
        }
        map.put(key, value);
    }
}

文章转自公众号：bigsai