题目描述
这是 LeetCode 上的 「146. LRU 缓存机制」 ，难度为 「中等」。
运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。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) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。
进阶：你是否可以在 时间复杂度内完成这两种操作？
示例：
输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
提示：
-
1 <= capacity <= 3000
-
0 <= key <= 3000
-
0 <= value <=
-
最多调用 3 * 次 get 和 put
基本分析
LRU 是一种十分常见的页面置换算法。
将 LRU 翻译成大白话就是：当不得不淘汰某些数据时（通常是容量已满），选择最久未被使用的数据进行淘汰。
题目让我们实现一个容量固定的 LRUCache 。如果插入数据时，发现容器已满时，则先按照 LRU 规则淘汰一个数据，再将新数据插入，其中「插入」和「查询」都算作一次“使用”。
可以通过 🌰 来理解，假设我们有容量为 的 LRUCache 和 测试键值对 [1-1,2-2,3-3] ，将其按照顺序进行插入 & 查询：
-
插入
1-1，此时最新的使用数据为1-1 -
插入
2-2，此时最新使用数据变为2-2 -
查询
1-1，此时最新使用数据为1-1 -
插入
3-3，由于容器已经达到容量，需要先淘汰已有数据才能插入，这时候会淘汰2-2，3-3成为最新使用数据
键值对存储方面，我们可以使用「哈希表」来确保插入和查询的复杂度为 。
另外我们还需要额外维护一个「使用顺序」序列。
我们期望当「新数据被插入」或「发生键值对查询」时，能够将当前键值对放到序列头部，这样当触发 LRU 淘汰时，只需要从序列尾部进行数据删除即可。
期望在 复杂度内调整某个节点在序列中的位置，很自然想到双向链表。
双向链表
具体的，我们使用哈希表来存储「键值对」，键值对的键作为哈希表的 Key，而哈希表的 Value 则使用我们自己封装的 Node 类，Node 同时作为双向链表的节点。
-
插入：检查当前键值对是否已经存在于哈希表：
-
没达到容量：插入哈希表，并将当前键值对所对应的
Node节点调整到链表头部（refresh操作） -
已达到容量：先从链表尾部找到待删除元素进行删除（
delete操作），然后再插入哈希表，并将当前键值对所对应的Node节点调整到链表头部（refresh操作） -
如果存在，则更新键值对，并将当前键值对所对应的
Node节点调整到链表头部（refresh操作） -
如果不存在，则检查哈希表容量是否已经达到容量：
-
查询：如果没在哈希表中找到该 Key，直接返回 ；如果存在该 Key，则将对应的值返回，并将当前键值对所对应的
Node节点调整到链表头部（refresh操作）
一些细节：
- 为了减少双向链表左右节点的「判空」操作，我们预先建立两个「哨兵」节点
head和tail。
代码：
class LRUCache {
class Node {
int k, v;
Node l, r;
Node(int _k, int _v) {
k = _k;
v = _v;
}
}
int n;
Node head, tail;
Map<Integer, Node> map;
public LRUCache(int capacity) {
n = capacity;
map = new HashMap<>();
head = new Node(-1, -1);
tail = new Node(-1, -1);
head.r = tail;
tail.l = head;
}
public int get(int key) {
if (map.containsKey(key)) {
Node node = map.get(key);
refresh(node);
return node.v;
}
return -1;
}
public void put(int key, int value) {
Node node = null;
if (map.containsKey(key)) {
node = map.get(key);
node.v = value;
} else {
if (map.size() == n) {
Node del = tail.l;
map.remove(del.k);
delete(del);
}
node = new Node(key, value);
map.put(key, node);
}
refresh(node);
}
// refresh 操作分两步：
// 1. 先将当前节点从双向链表中删除（如果该节点本身存在于双向链表中的话）
// 2. 将当前节点添加到双向链表头部
void refresh(Node node) {
delete(node);
node.r = head.r;
node.l = head;
head.r.l = node;
head.r = node;
}
// delete 操作：将当前节点从双向链表中移除
// 由于我们预先建立 head 和 tail 两位哨兵，因此如果 node.l 不为空，则代表了 node 本身存在于双向链表（不是新节点）
void delete(Node node) {
if (node.l != null) {
Node left = node.l;
left.r = node.r;
node.r.l = left;
}
}
}
-
时间复杂度：各操作均为
-
空间复杂度：
最后
这是我们「刷穿 LeetCode」系列文章的第 No.146 篇，系列开始于 2021/01/01，截止于起始日 LeetCode 上共有 1916 道题目，部分是有锁题，我们将先将所有不带锁的题目刷完。
在这个系列文章里面，除了讲解解题思路以外，还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。
为了方便各位同学能够电脑上进行调试和提交代码，我建立了相关的仓库：github.com/SharingSour… 。
在仓库地址里，你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。
