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 复制代码
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; } } } 复制代码
- 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。
