LRU缓存机制

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。它应该支持以下操作： 获取数据 get 和 写入数据 put 。

获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。

示例:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // 返回  1
cache.put(3, 3);    // 该操作会使得密钥 2 作废
cache.get(2);       // 返回 -1 (未找到)
cache.put(4, 4);    // 该操作会使得密钥 1 作废
cache.get(1);       // 返回 -1 (未找到)
cache.get(3);       // 返回  3
cache.get(4);       // 返回  4

缓存淘汰策略
全称是 Least Recently Used，也就是说我们认为最近使⽤过的数据应该是是「有⽤的」，很久都没⽤过的数据应该是⽆⽤的，内存满了就优先删那些很久没⽤过的数据

LRU 算法实际上是让你设计数据结构：⾸先要接收⼀个 capacity 参数作为缓存的最⼤容量，然后实现两个 API，⼀个是 put(key, val) ⽅法存⼊键值对，另⼀个是 get(key) ⽅法获取 key 对应的 val，如果 key 不存在则返回
-1。注意哦，get 和 put ⽅法必须都是 O(1) 的时间复杂度

哈希表查找快，但是数据⽆固定顺序；链表有顺序之分，插⼊删除快，但是查找慢。所以结合⼀下，形成⼀
种新的数据结构：哈希链表。
LRU 缓存算法的核⼼数据结构就是哈希链表，双向链表和哈希表的结合体。

删除⼀个节点不光要得到该节点本⾝的指针，也需要操作其前驱节点的指针，⽽双向链表才能⽀持直接查找前驱，保证操作的时间复杂度O(1)
处理链表节点的同时不要忘了更新哈希表中对节点的映射

逻辑

// key 映射到 Node(key, val)
HashMap<Integer, Node> map;
// Node(k1, v1) <-> Node(k2, v2)...
DoubleList cache;

int get(int key) {
	if (key 不存在) {
		return -1;
	} else {
		将数据 (key, val) 提到开头；
		return val;
	}
}
void put(int key, int val) {
	Node x = new Node(key, val);
	if (key 已存在) {
		把旧的数据删除；
		将新节点 x 插⼊到开头；
	} else {
		if (cache 已满) {
			删除链表的最后⼀个数据腾位置；
			删除 map 中映射到该数据的键；
		}
		将新节点 x 插⼊到开头；
		map 中新建 key 对新节点 x 的映射；
		}
}

import java.util.HashMap;
//双向链表的节点类
class Node{
    public int key, value;
    public Node next, prev;
    public Node(int k, int v){
        this.key = k;
        this.value = v;
    }
}
//依靠Node类型构建一个双向链表，代表cache结构
class DoubleList {
    private Node head, tail; //头尾虚节点
    private int size; //链表元素数

    public DoubleList(){
        head = new Node(0,0);
        tail = new Node(0,0);
        head.next = tail;
        tail.prev = head;
        size = 0;
    }

    //链表操作的API

    //在链表头部添加节点node，时间O(1)
    public void addFirst(Node node){
        node.next = head.next;
        node.prev = head;
        head.next.prev = node;
        head.next = node;
        size++;
    }

    //删除链表的node节点(node一定存在), 双向链表删除给定节点：时间O(1)
    public void remove(Node node){
        node.prev.next = node.next;
        node.next.prev = node.prev;
        size--; 
    }

    //删除链表的最后一个节点，并返回该节点，时间O(1)
    public Node removeLast(){
        if(tail.prev == head){ // 空链表时
            return null;
        }
        Node last = tail.prev;
        return last;
    }

    //返回链表长度，时间O(1)
    public int size(){
        return size;
    }
}

class LRUCache {

    // key -> Node(key, val)
    private HashMap<Integer, Node> map;
    // Node(k1,v1) <-> Node(k2,v2)...
    private DoubleList cache;
    //最大容量
    private int capacity;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        cache = new DoubleList();
    }
    
    public int get(int key) {
        if(!map.containsKey(key)){
            return -1;
        }else{
            int value = map.get(key).value;
            put(key, value);
            return value;
        }
    }
    
    public void put(int key, int value) {
        //把新节点node做出来
        Node node = new Node(key, value);
        if(map.containsKey(key)){
            //cache删除旧的节点，新的插到头部
            cache.remove(map.get(key));
            cache.addFirst(node);//-----------------------
            //更新map中对应的数据（新节点node）
            map.put(key, node);//------------------------
        }else{
            if(cache.size() == capacity){
                //删除cache链表最后一个数据
                Node last = cache.removeLast();
                map.remove(last.key);
            }
            //直接添加到头部
            cache.addFirst(node);//------------------------
            map.put(key, node);//------------------------
        }
    }
}

/**
 * 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);
 */

leecode提交没通过，可能是put的地方，下次看官方解答是怎么做的