LeetCode 146.LRU缓存

题目传送门：146. LRU 缓存 - 力扣（LeetCode）

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。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。

LRU基于局部性原理：若数据近期被访问，未来被再次访问的概率较高。当缓存空间不足时，算法会淘汰最久未被使用的数据，如：

• 缓存容量为3，依次访问数据A、B、C后缓存为[C, B, A]（A最久未用）
• 再次访问B时，缓存更新为[B, C, A]
• 若新加入D，则淘汰A，缓存变为[D, B, C]

为了实现O(1)时间复杂度的get/put操作，LRU常结合哈希表+双向链表：

• 哈希表：快速定位键值对（O(1)查找），通过缓存数据的键映射到其在双向链表中的位置。存储的key就是用户查询的键，值为指向双向链表节点的指针/引用。
• 双向链表：维护访问顺序，头部为最新访问节点，尾部为待淘汰节点（最久未使用）。

这样，我们首先用哈希表进行定位，找出缓存项在双向链表中的位置，随后将其移动到双向链表的头部，即可在O(1)时间复杂度完成get/put操作：

• get(key)：首先判断key是否存在：
  • 如果key不存在，则返回-1。
  • 如果key存在，则key对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置，并将其移动到双向链表的头部，最后返回该节点的值。
• put(key, value)：首先判断key是否存在：
  • 如果key不存在，使用key和value创建一个新的节点，在双向链表的头部添加该节点，并将key和该节点添加到哈希表中。然后判断双向链表是否超出容量，如果超出容量，则删除双向链表尾部节点，并删除哈希表中对应的项。
  • 如果key存在，则与get操作类似，先通过哈希表定位，再将对应的节点的值更新为value，并将该节点移动到双向链表的头部。
• 小贴士：在双向链表的实现中，使用一个伪头部和伪尾部标记界限，这样在添加和删除节点时不需要检测相邻节点是否存在。

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;
        head = new DLinkedNode();
        tail = new DLinkedNode();
        head.next = tail;
        tail.prev = head;
    }
    
    public int get(int key) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            return -1;
        }
        moveToHead(node);
        return node.value;
    }
    
    public void put(int key, int value) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            DLinkedNode newNode = new DLinkedNode(key, value);
            cache.put(key, newNode);
            addToHead(newNode);
            ++size;
            if (size > capacity) {
                DLinkedNode tail = removeTail();
                cache.remove(tail.key);
                --size;
            }
        } else {
            node.value = value;
            moveToHead(node);
        }
    }

    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;
    }
}