LRU 算法底层数据结构实现原理

前奏：如果 CPU 访问的页面不在内存中，则操作系统需要进行置换出内存中的页面，然后把需要访问的页面从磁盘中置换到内存中，而这种算法最常见的就是 LRU 算法，LRU 算法也被称最近最少使用算法.

假如现在有一个需求，公司需要抽出一个用户系统，向各个业务系统提供用户的基本信息

设计方法1：用户信息存储在数据库，但是如果每一次请求都去查询数据库的话，会大大的降低性能，所以可以选择在内存中创建一个哈希表，每次先去哈希表中查询，如果找不到再去数据库查询.

这种方法确实可以提高性能，但是内存大小有限，如果用户的数量越来越多，内存一旦溢出，可能会造成服务器的奔溃，所以我们可以考虑在内存的哈希表内删除一些不常用的用户信息

LRU 算法的思想是：长期不被使用的数据，在未来被用到的几率也不大，因此当占用内存达到一个阀值时，就删除不常使用的数据

如何实现 LRU 算法

数据结构：哈希链表

在哈希链表中，key 和 value 具有固定的排列顺序，就像双向链表一样，每一个键值对都有一个前驱，一个后驱.

如果访问一个数据，首先查看哈希链表中是否存在，如果存在则把它删除，然后添加到哈希链表的尾部，如果要查找的元素不存在哈希链表中，则进行数据库的查询，然后添加到哈希链表的尾部，这样一来，最近最少使用的数据就在哈希链表的头部了，然后就可以直接删除了。

代码实现

class LRUCache {
   
public:
    LRUCache(int capacity) {
   
        cap = capacity;
    }
    
    int get(int key) {