LeetCode——LRU Cache

Q：设计和实现最近最少使用(LRU)缓存的数据结构。它应该支持以下操作:get和set。
get(key)—如果键存在于缓存中，则获取键的值(总是正的)，否则返回-1。
put(key, value)——如果键不存在，则设置或插入该值。当缓存达到其容量时，它应该在插入新项之前使最近最少使用的项无效。
你能在O(1)时间复杂度下做这两个操作吗?
举例：

LRUCache cache = new LRUCache( 2 /* capacity */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // returns 1
cache.put(3, 3);    // evicts key 2
cache.get(2);       // returns -1 (not found)
cache.put(4, 4);    // evicts key 1
cache.get(1);       // returns -1 (not found)
cache.get(3);       // returns 3
cache.get(4);       // returns 4

A：
LRU算法：最近最少使用，简单来说就是将数据块中，每次使用过的数据放在数据块的最前端，然后将存在的时间最长的，也就是数据块的末端的数据剔除掉这就是LRU算法。
1.使用LinkedHashMap。LinkedHashMap是有序的，且默认为插入顺序。

    public class LRUCache extends LinkedHashMap<Integer, Integer> {
        private int capacity;

        public LRUCache(int capacity) {
            super(capacity, 0.1f, true);//参数accessOrder就是用来指定是否按访问顺序，如果为true，就是访问顺序
            this.capacity = capacity;
        }

        public int get(int key) {
            return super.getOrDefault(key, -1);
        }

        public void put(int key, int value) {
            super.put(key, value);
        }

        @Override
        protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
            return size() > capacity;
        }
    }

2.哈希表+LinkedList
轻松解决

class LRUCache {
    private HashMap<Integer, Integer> map;
    private LinkedList<Integer> cache;
    private int cap;

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

    public int get(int key) {
        if (map.containsKey(key)) {
            cache.remove((Integer) key);
            cache.addLast(key);
            return map.get(key);
        } else return -1;
    }

    public void put(int key, int value) {
        if (map.containsKey(key)) {
            cache.remove((Integer) key);
            cache.addLast(key);
            map.put(key, value);
        } else {
            if (cache.size() == cap) {
                int first = cache.getFirst();
                cache.removeFirst();
                map.remove(first);
            }
            map.put(key, value);
            cache.addLast(key);
        }
    }
}