[146]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 。 
//
// 
// 
// 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 O(1) 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
// 
//
// 
//
// 提示： 
//
// 
// 1 <= capacity <= 3000 
// 0 <= key <= 3000 
// 0 <= value <= 104 
// 最多调用 3 * 104 次 get 和 put 
// 
// Related Topics 设计 
// 👍 1290 👎 0

LRU机制，第一次听说是在Redis的内存淘汰策略。
最远未使用到的节点会被淘汰。
这题使用哈希表保存键值对，使用双向链表维护节点的使用时间。
双向链表之间，每次put或get操作，都将该节点放到链表头， 如果容量满了，就淘汰队尾的节点。

class LRUCache {
    // 建一个双向链表，保存键值对
    class Node{
        Node prev;
        Node next;
        int key;
        int value;
        public Node(int key, int value) {
            this.key = key;
            this.value = value;
        }
        public Node() { }
    }
    // 哈希表保存键值对
    Map<Integer, Node> map;
    // 双向链表的头和尾
    Node dummyHead;
    Node dummyTail;
    // LRU的最大容量
    int capacity;
    public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>(capacity);
        dummyHead = new Node();
        dummyTail = new Node();
        // 初始没有值，头直接指向尾
        dummyHead.next = dummyTail;
        dummyTail.prev = dummyHead;
    }
    public int get(int key) {
        // 如果key不存在，直接返回-1
        if (!map.containsKey(key)) {
            return -1;
        }
        Node node = map.get(key);
        // node先拿出来
        node.prev.next = node.next;
        node.next.prev = node.prev;
        // 再放到head后面
        node.next = dummyHead.next;
        node.prev = dummyHead;
        dummyHead.next.prev = node;
        dummyHead.next = node;
        return node.value;
    }
    public void put(int key, int value) {
        // 如果key已经存在，那就不会发生淘汰，直接将node放到链表头即可
        if (map.containsKey(key)){
            Node node = map.get(key);
            node.value = value;
            // node先拿出来
            node.prev.next = node.next;
            node.next.prev = node.prev;
            // 再放到head后面
            node.next = dummyHead.next;
            node.prev = dummyHead;
            dummyHead.next.prev = node;
            dummyHead.next = node;
        }else {
            // 如果容量已经满了，淘汰最后一个节点
            if (map.size() >= capacity) {
                // 删除最后一个node
                Node deleteNode = dummyTail.prev;
                map.remove(deleteNode.key);
                deleteNode.prev.next = deleteNode.next;
                deleteNode.next.prev = deleteNode.prev;
            }
            // 把新节点放到链表头
            Node node = new Node(key, value);
            node.next = dummyHead.next;
            node.prev = dummyHead;
            dummyHead.next.prev = node;
            dummyHead.next = node;
            // 放到哈希表里
            map.put(key, node);
        }
    }
}