146. 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.

LRU缓存的实现。在这种方法中，如果写入内存的时候容量不足了，最近没用的那一块内存将被换出，以存入新的数据。这里用unordered_map和list来实现。在链表中，最近用过的点在头部，最近没用过的点在尾部，哈希映射表用来保存键值和节点的对应关系。在get函数中，如果在映射表中找不到key对应的那一个节点，返回1；如果找到了，将该节点移到链表的头部（做法是复制和删除原来的点，将复制得到的点插在头部），表示最新用过这个点。在set函数中，如果在映射表中找不到key对应的那一个节点，则要插入该节点，因为是最近用过的，所以查到头部，注意如果链表长度到达最大值，要把最后的节点删除；如果找到了，则更新这个点的实值，然后将该点移到头部（做法和上面的一样）。这样就简单实现了这种缓存机制。

代码：

class LRUCache{
public:
LRUCache(int capacity):Max(capacity)
{
}

int get(int key)
{
auto it=um.find(key);
if(it==um.end()) return -1;
auto lit=it->second;
node newnode(lit->key,lit->val);
ls.erase(lit);
ls.push_front(newnode);
um[key]=ls.begin();
return ls.begin()->val;
}

void set(int key, int val)
{
auto it=um.find(key);
if(it==um.end())
{
if(ls.size()==Max)
{
um.erase(ls.back().key);
ls.pop_back();
}
ls.push_front(node(key,val));
um[key]=ls.begin();
}
else
{
auto lit=it->second;
node newnode(key,val);
ls.erase(lit);
ls.push_front(newnode);
um[key]=ls.begin();
}
}

private:
struct node
{
int key;
int val;
node(int k,int v):key(k),val(v){}
};

list<node>ls;
unordered_map<int,list<node>::iterator>um;
int Max;
};