lc剑指 Offer II 031. 最近最少使用缓存（哈希表 双向链表）

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

提示：

1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put

进阶：是否可以在 O(1) 时间复杂度内完成这两种操作？

class LRUCache {
    private class Node{
        private Node next,prev;
        private int key,value;
        public Node(int key, int value){
            this.key = key;
            this.value = value;
        }
    }
    private class DoubleList{
        private int size;
        private Node head = new Node(0,0);
        private Node tail = new Node(0,0);
        //初始化
        public DoubleList(){
            head.next = tail;
            tail.prev = head;
            size = 0;
        }
        //插入到头节点
        public void addFirst(Node node){
            Node next = head.next;
            next.prev = node;
            head.next = node;
            node.next = next;
            node.prev = head;
            size++;
        }
        //删除节点
        public void remove(Node node){
            node.prev.next = node.next;
            node.next.prev = node.prev;
            size--;
        }
        //删除尾节点,返回节点是因为最后要根据key删除map中的
        public Node removeLast(){
            Node last = tail.prev;
            remove(last);
            return last;
        }
        //返回size
        public int size(){
            return size;
        }
    }
    Map<Integer,Node> map;
    DoubleList cache;
    int capacity;
    public LRUCache(int capacity) {
        map = new HashMap();
        cache = new DoubleList();
        this.capacity = capacity;
    }
    public int get(int key) {
        if(!map.containsKey(key)) return -1;
        int val = map.get(key).value;
        //调用put更新节点位置
        put(key,val);
        return val;
    }
    public void put(int key, int value) {
        Node cur = new Node(key,value);
        //如果存在,更新val，记得更新map
        if(map.containsKey(key)){
            cache.remove(map.get(key));
            cache.addFirst(cur);
            map.put(key,cur);
        }else{
            //当缓存满时
            if(cache.size() == capacity){
                Node last = cache.removeLast();
                //删除map中的节点
                map.remove(last.key);
            }
            cache.addFirst(cur);
            map.put(key,cur);
        }
    }
}
/**
 * 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);
 */