题目：
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.
题解：
这道题是一个数据结构设计题，在leetcode里面就这么一道，还是挺经典的一道题，可以好好看看。
这道题要求设计实现LRU cache的数据结构，实现set和get功能。学习过操作系统的都应该知道，cache作为缓存可以帮助快速存取数据，但是确定是容量较小。这道题要求实现的cache类型是LRU，LRU的基本思想就是“最近用到的数据被重用的概率比较早用到的大的多”，是一种更加高效的cache类型。
解决这道题的方法是：双向链表+HashMap。
“为了能够快速删除最久没有访问的数据项和插入最新的数据项，我们将双向链表连接Cache中的数据项，并且保证链表维持数据项从最近访问到最旧访问的顺序。
每次数据项被查询到时，都将此数据项移动到链表头部（O(1)的时间复杂度）。这样，在进行过多次查找操作后，最近被使用过的内容就向链表的头移动，而没
有被使用的内容就向链表的后面移动。当需要替换时，链表最后的位置就是最近最少被使用的数据项，我们只需要将最新的数据项放在链表头部，当Cache满
时，淘汰链表最后的位置就是了。 ”
“注： 对于双向链表的使用，基于两个考虑。
首先是Cache中块的命中可能是随机的，和Load进来的顺序无关。
其次，双向链表插入、删除很快，可以灵活的调整相互间的次序，时间复杂度为O(1)。”
解决了LRU的特性，现在考虑下算法的时间复杂度。为了能减少整个数据结构的时间复杂度，就要减少查找的时间复杂度，所以这里利用HashMap来做，这样时间苏咋读就是O(1)。
所以对于本题来说：
get(key): 如果cache中不存在要get的值，返回-1；如果cache中存在要找的值，返回其值并将其在原链表中删除，然后将其作为头结点。
set(key,value)：当要set的key值已经存在，就更新其value， 将其在原链表中删除，然后将其作为头结点；当药set的key值不存在，就新建一个node，如果当前len<capacity,就将其加入hashmap中，并将其作为头结点，更新len长度，否则，删除链表最后一个node，再将其放入hashmap并作为头结点，但len不更新。
原则就是：对链表有访问，就要更新链表顺序。
代码如下：
1 private HashMap<Integer, DoubleLinkedListNode> map
2 = new HashMap<Integer, DoubleLinkedListNode>();
3 private DoubleLinkedListNode head;
4 private DoubleLinkedListNode end;
5 private int capacity;
6 private int len;
7
8 public LRUCache(int capacity) {
9 this.capacity = capacity;
10 len = 0;
11 }
12
13 public int get(int key) {
14 if (map.containsKey(key)) {
15 DoubleLinkedListNode latest = map.get(key);
16 removeNode(latest);
17 setHead(latest);
18 return latest.val;
19 } else {
20 return -1;
21 }
22 }
23
24 public void removeNode(DoubleLinkedListNode node) {
25 DoubleLinkedListNode cur = node;
26 DoubleLinkedListNode pre = cur.pre;
27 DoubleLinkedListNode post = cur.next;
28
29 if (pre != null) {
30 pre.next = post;
31 } else {
32 head = post;
33 }
34
35 if (post != null) {
36 post.pre = pre;
37 } else {
38 end = pre;
39 }
40 }
41
42 public void setHead(DoubleLinkedListNode node) {
43 node.next = head;
44 node.pre = null;
45 if (head != null) {
46 head.pre = node;
47 }
48
49 head = node;
50 if (end == null) {
51 end = node;
52 }
53 }
54
55 public void set(int key, int value) {
56 if (map.containsKey(key)) {
57 DoubleLinkedListNode oldNode = map.get(key);
58 oldNode.val = value;
59 removeNode(oldNode);
60 setHead(oldNode);
61 } else {
62 DoubleLinkedListNode newNode =
63 new DoubleLinkedListNode(key, value);
64 if (len < capacity) {
65 setHead(newNode);
66 map.put(key, newNode);
67 len++;
68 } else {
69 map.remove(end.key);
70 end = end.pre;
71 if (end != null) {
72 end.next = null;
73 }
74
75 setHead(newNode);
76 map.put(key, newNode);
77 }
78 }
79 }
80 }
81
82 class DoubleLinkedListNode {
83 public int val;
84 public int key;
85 public DoubleLinkedListNode pre;
86 public DoubleLinkedListNode next;
87
88 public DoubleLinkedListNode(int key, int value) {
89 val = value;
90 this.key = key;
91 }
Reference：
1. http://blog.csdn.net/hexinuaa/article/details/6630384
（引号中字引自此处）
2. http://www.cnblogs.com/feiling/p/3426967.html
3. http://www.programcreek.com/2013/03/leetcode-lru-cache-java/ （代码参考）
LRU Cache leetcode java