最近最少使用缓存(来源力扣)

运用所掌握的数据结构，设计和实现一个 LRU (Least Recently Used，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。

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

进阶：是否可以在 O(1) 时间复杂度内完成这两种操作？

思路：数据结构选用哈希表和双向链表

class LRUCache {
    class DLinkedList{
        int key;
        int val;
        DLinkedList pre;
        DLinkedList next;
        public DLinkedList() {}
        public DLinkedList(int _key, int _val) {
            key = _key;
            val = _val;
        }
    }
    int size;
    int capacity;
    Map<Integer, DLinkedList> map;
    DLinkedList head;
    DLinkedList tail;
    public LRUCache(int capacity) {
        size = 0;
        this.capacity = capacity;
        map = new HashMap<>();
        head = new DLinkedList();
        tail = new DLinkedList();
        head.next = tail;
        tail.pre = head;
    }
    
    public int get(int key) {
        if(!map.containsKey(key)) {
            return -1;
        }
        DLinkedList tmp = map.get(key);

        tmp.pre.next = tmp.next;
        tmp.next.pre = tmp.pre;
        // 左右 左右
        tmp.pre = head;
        tmp.next = head.next;
        head.next.pre = tmp;
        head.next = tmp;

        return tmp.val;
    }
    
    public void put(int key, int value) {
        if(map.containsKey(key)) {
            DLinkedList tmp = map.get(key);
            tmp.val = value;

            tmp.pre.next = tmp.next;
            tmp.next.pre = tmp.pre;

            tmp.pre = head;
            tmp.next = head.next;
            head.next.pre = tmp;
            head.next = tmp;
        } else {
            DLinkedList tmp = new DLinkedList(key, value);

            tmp.pre = head;
            tmp.next = head.next;
            head.next.pre = tmp;
            head.next = tmp;


            map.put(key, tmp);
            size++;
            if(size > capacity) {
                DLinkedList delete = tail.pre;
                delete.next.pre = delete.pre;
                delete.pre.next = delete.next;
                map.remove(delete.key);
                size--;
            }
        }
    }
}

/**
 * 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);
 */