[数据结构与算法]手撕算法---LRU缓存淘汰策略，问的这么频繁

众所周知，缓存的大小有限！当缓存被用满时，这就需要缓存淘汰策略来决定哪些数据应该被清理出去。
常见的策略有三种：先进先出策略 FIFO（First In，First Out）、最少使用策略 LFU（Least Frequently Used）、最近最少使用策略 LRU（Least Recently Used）。

看下LeetCode上这道LRU设计题：

1.请你设计并实现一个满足  LRU (最近最少使用) 缓存 约束的数据结构。

实现 LRUCache 类：

LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；
如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，
则应该 逐出 最久未使用的关键字。

注意：函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

从题目中可以看到，要求平均时间复杂度为O(1)。突然就想到大二时，数据结构老师讲过，一旦出现键和值，哈希表首当其冲嘛！因为它可以在O(1)时间内找到键和值。

对于有出入顺序的要求，首先考虑的数据结构是栈、链表、队列。但是LRUCache在进行get()和put()更新数据之后，需要满足将数据设置为最新访问的数据，那意味着数据需要能够被随机访问、需要把该数据插入到头部或尾部。

链表就是可以快速移动结点的位置，但是实现随机访问，可以考虑到哈希表时间复杂度为O(1)。
如果哈希表的值包含链表的位置信息，那么就可以在O(1)时间内访问链表！由于链表可以记录访问的时间顺序（越早访问的在链表尾部），所以链表中的元素必须储存键，这样才能找到哈希表中的那个键，进而实现删除哈希表中的键的要求！

1.首先我们设计get()方法时，无非就是取到值和取不到这两种情况！

• 取到值，除了要返回该值，为了满足最近最少使用的原则，还需注意要将该结点移到链表头部（因为越靠近尾部表示越早之前访问），并把原节点删除。
• 取不到值，返回-1即可。

 public int get(int key) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            return -1;
        }
        // 如果 key 存在，先通过哈希表定位，再移到头部
        moveToHead(node);
        return node.value;
    }

2.设计put()方法时，需要考虑缓存中不存在该key和已存在该key这两种情况！

• 缓存中不存在该key时，创建一个新结点，为了满足最近最少使用的原则，将新结点放到链表头部。最重要的一点，记得判断当前缓存大小是否超过最大容量！ 若超了，我们把尾部结点删掉一个就好了呀！
• 缓存中已存在该key时，我们只需要修改value值，并将该结点移到链表头部，记得把原节点删除。

public void put(int key, int value) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            // 如果 key 不存在，创建一个新的节点
            DLinkedNode newNode = new DLinkedNode(key, value);
            // 添加进哈希表
            cache.put(key, newNode);
            // 添加至双向链表的头部
            addToHead(newNode);
            ++size;
            if (size > capacity) {
                // 如果超出容量，删除双向链表的尾部节点
                DLinkedNode tail = removeTail();
                // 删除哈希表中对应的项
                cache.remove(tail.key);
                --size;
            }
        }
        else {
            // 如果 key 存在，先通过哈希表定位，再修改 value，并移到头部
            node.value = value;
            moveToHead(node);
        }
    }

public class LRUCache {
    class DLinkedNode {
        int key;
        int value;
        DLinkedNode prev;
        DLinkedNode next;
        public DLinkedNode() {}
        public DLinkedNode(int _key, int _value) {key = _key; value = _value;}
    }

    private Map<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
    private int size;
    private int capacity;
    private DLinkedNode head, tail;

    public LRUCache(int capacity) {
        this.size = 0;
        this.capacity = capacity;
        // 使用伪头部和伪尾部节点
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head.next = tail;
        tail.prev = head;
    }
    
	private void addToHead(DLinkedNode node) {
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }

    private void removeNode(DLinkedNode node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    private void moveToHead(DLinkedNode node) {
        removeNode(node);
        addToHead(node);
    }

    private DLinkedNode removeTail() {
        DLinkedNode res = tail.prev;
        removeNode(res);
        return res;
    }
 }