一、什么是 LRU Cache
LRU（Least Recently Used），意思是最近最少使用，它是一种 Cache 替换算法。
什么是 Cache？
- 狭义的 Cache 指的是位于 CPU 和主存间的快速 RAM，通常它不像系统主存那样使用 DRAM 技术，而使用昂贵但较快速的 SRAM 技术。
- 广义上的 Cache 指的是位于速度相差较大的两种硬件之间，用于协调两者数据传输速度差异的结构。
除了 CPU 与主存之间有 Cache， 内存与硬盘之间也有 Cache，乃至在硬盘与网络之间也有某种意义上的 Cache ── 称为 Internet 临时文件夹或网络内容缓存等。
Cache 的容量有限，因此当 Cache 的容量用完后，而又有新的内容需要添加进来时，就需要挑选并舍弃原有的部分内容，从而腾出空间来放新内容。
LRU Cache 的替换原则就是将最近最少使用的内容替换掉。其实，LRU 译成最久未使用会更形象， 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容。
二、LRU Cache 的实现
实现 LRU Cache 的方法和思路很多，但是要保持高效实现 O(1) 的 put 和 get，那么使用双向链表和哈希表的搭配是最高效和经典的。
使用双向链表是因为双向链表可以实现任意位置 O(1) 的插入和删除，使用哈希表是因为哈希表的增删查改也是 O(1)。
力扣对应题目链接：146. LRU 缓存 - 力扣（LeetCode）
class LRUCache { public: LRUCache(int capacity) : _capacity(capacity) {} int get(int key) { auto res=_hashMap.find(key); if(res!=_hashMap.end()) { LtIter it=res->second; // 1.erase+push_front 更新迭代器，原迭代器失效 // 2.splice转移节点 _LRUList.splice(_LRUList.begin(), _LRUList, it); return it->second; } else return -1; } void put(int key, int value) { auto res=_hashMap.find(key); if(res==_hashMap.end()) { // 1. 新增 // 1.1 满了，先删除LRU的数据(_LRUList.size()是O(N)) if(_capacity==_hashMap.size()) { pair<int, int> back=_LRUList.back(); _LRUList.pop_back(); _hashMap.erase(back.first); } // 2. 更新 _LRUList.push_front(make_pair(key, value)); _hashMap[key]=_LRUList.begin(); } else { // 2. 更新 LtIter it=res->second; it->second=value; // 1.erase+push_front 更新迭代器，原迭代器失效 // 2.splice转移节点 _LRUList.splice(_LRUList.begin(), _LRUList, it); } } private: typedef list<pair<int, int>>::iterator LtIter; unordered_map<int, LtIter> _hashMap; list<pair<int, int>> _LRUList; size_t _capacity; }; /** * Your LRUCache object will be instantiated and called as such: * LRUCache* obj = new LRUCache(capacity); * int param_1 = obj->get(key); * obj->put(key,value); */
