LFU即最不经常使用。LFU算法的思想是一定时期内被访问次数最少的节点，在将来被访问到的几率也是最小的。当缓存达到上限，再插入新的数据，需要将访问频次最小的数据删除。LFU强调的是访问次数，而LRU强调的是访问时间。

LFU优点：

　　相比LRU，LFU的缓存命中率高；

缺点：

　　第一，LFU要记录每个key的频次，会浪费空间；第二，对时间不敏感，某个数据曾经访问频次很高，但是过了时间点，该数据不被访问，由于当初的访问频次高，该数据会在相当长的一段时间内常驻内存。

双哈希表实现LFU

第一个哈希表是 freq_table，它的key是访问的频次，它的value是一个双向链表，双向链表的每一个节点包含三个元素：key，value，freq。

第二个哈希表是 key_table，它的key是双向链表中存储的key，value是对应节点的迭代器。

如图所示，假设缓存的内存是3，初始时连续插入三个键值对，（1，1）（2，2）（3，3），他们的频次都是1，记录最小频次minfreq=1;

 

当我们访问了某个键值对，就要将对应的的频次+1，将结点移动到修改后的频次所对应的链表上。例如get(1)后，key1所对应的频次为2，将（1，1，2）结点挂在freq_table上频次为2的链表上。记录最小频次minfreq=1;

 当再插入（4，4，1）时，容量已经溢出，要删除频次最少，插入时间最晚的，也就是（3，3，1）,记录最小频次minfreq=1;

 代码定义链表结点类型

 

struct Node
{
    int key,val,freq;
    Node(int k,int v,int f):key(k),val(v),freq(f){}
};
class Solution {
public:
  
    int minfreq=0;
    unordered_map<int, list<Node>::iterator>key_table;
    unordered_map<int, list<Node>>freq_table;
    void set(int key,int val,int cap)//插入元素
    {
        if(cap==0) return;
        auto it=key_table.find(key);
       case1:缓存中没有待插入的数据
        if(it==key_table.end())
        {
            缓存已经满了
            if(key_table.size()==cap)
            {//找到频次最小的链表中的最后一个数据
                auto it=freq_table[minfreq].back(); 
                //删除key_table中该数据key
                key_table.erase(it.key);
                freq_table[minfreq].pop_back();//删除结点
                //如果该频次所对应的链表为空，删除键值对
                if(freq_table[minfreq].size()==0)
                    freq_table.erase(minfreq);
            }
            //新插入的数据频次都是1
            freq_table[1].push_front(Node(key,val,1));
            //修改迭代器的指向
            key_table[key]=freq_table[1].begin();
            minfreq=1; //修改最小频次
        }else//缓存中有插入数据，修改value和freq即可
        {
            auto it=key_table[key];
            int freq=it->freq;
            freq_table[freq].erase(it);
            if(freq_table[freq].size()==0)
            {
                freq_table.erase(key);
                if(minfreq==freq)
                    minfreq++;
            }
            freq_table[freq+1].push_front(Node(key,val,freq+1));
            key_table[key]=freq_table[freq+1].begin();
        }
    }
   //找到返回对应的value,修改频次，将它挂在正确的freq_table后面，
 //修改key_table的value。没有找到返回-1
    int get(int key)
    {
        auto it=key_table.find(key);
        if(it==key_table.end()) return -1;
        list<Node>::iterator node=it->second;
        int value=node->val;
        int freq=node->freq;
        freq_table[freq].erase(node);
        if(freq_table[freq].size()==0)
        { 
            freq_table.erase(freq);
            if(minfreq==freq)
                minfreq+=1;
        }
        freq_table[freq+1].push_front(Node(key,value,freq+1));
        key_table[key]=freq_table[freq+1].begin();
        return value;
    }