手撕LRU算法

LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最久未使用的页面予以淘汰。

简介

LRU是一种缓存淘汰策略，它认为最近使用的数据就是有用的，最久没使用的数据就是没用的，所以在当容量满了之后，会先淘汰掉最久没使用的数据，腾出空间来放新数据。

LeetCode的146题就要求我们设计这样一个类，要求我们在O(1)时间复杂度内完成。

根据LRU的定义，我们总结出LRU的操作规则：

1. 在使用数据（get/put）后，那么该数据就是最近使用的。
2. 当容量满了之后，要删除掉最久没使用的数据。

根据上面的规则，我们设计的cache应该满足以下要求：

1. 保证添加的数据有时序，即能够体现他们加入的时间顺序，来区分最近使用和最久未使用的
2. 可以在cache中快速查询某个key是否存在，并获取对应的value
3. 在需要删除时，可以在cache快速找到某个key，对其进行快速删除
4. 每次访问某个key时，要将其提升为最近使用的，那么就需要改变其在cache里的存放位置，也就是说cache需要能在任意位置快速插入和删除

那么什么数据结构符合上述条件？哈希表支持快速查找，但其数据存放无顺序；链表存放数据有顺序，支持快速插入和删除，但其查找效率低。因此把他两结合起来，就有了LinkedHashMap（哈希链表）。

LRU缓存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。

我们使用双向链表来存放数据，以保持其加入顺序；通过哈希表来保存key到链表节点的映射，以支持快速查找和删除。

代码实现

那么如何区分数据是最近使用还是最久未使用的呢？我们每次在添加数据时可以把数据添加到链表尾部，每次在访问数据（get/put已有key）时把该数据移动到链表尾部。这样的话链表尾部节点就是最近使用的数据，链表头部就是最久没使用的，当容量满了之后，就删除链表的头部节点即可。

接下来我们就要实现自己的数据结构了，手写一个双向链表，使用内置的HashMap。

其实我们的双向链表只要满足上述操作要求即可，不需要太多的功能。那么需要哪几个操作呢？

1. 添加数据到链表尾部（添加新数据时、提升数据为最近使用时）
2. 对给定节点进行删除（提升数据为最近使用时需要移动节点）
3. 移除头部节点（容量满了之后，要删除最久未使用的节点）

我们可以在链表里添加两个节点：head/tail节点，分别用来做链表头部和尾部，这两个是哑结点，这样在操作数据时会更加方便，在链表头部和尾部操作时不需要做特殊处理。

/**
* 双向链表节点
*/
class DLNode{
   
		// 问：为什么要有key？
        int key;
        int val;
        DLNode prev;
        DLNode next;
        public DLNode(){
   }
        public DLNode(int key,int val){
   
            this.key=key;
            this.val=val;
        }
    }
/**
* 双向链表
*/
class DoubleLink{
   
        // 哑结点
        DLNode head,tail;
        public DoubleLink(){
   
            head = new DLNode();
            tail = new DLNode();
            head.next=tail;
            tail.prev=head;
        }
        // 在链表尾部插入节点
        DLNode addLast(DLNode x){
   
            x.prev = tail.prev;
            x.next = tail;
            tail.prev.next = x;
            tail.prev = x;
            return x;
        }
		// 移除链表里的节点，可以看到代码很简介，这也是为什么使用双向链表的原因
        public DLNode