最近最少使用算法（LRU)

LRU 英文全称 ”Least Recently Used“，即最近最少使用，属于典型的内存管理算法。
LRU用通俗的话来说就是最近被频繁访问的数据会具备更高的留存，淘汰那些不常被访问的数据。
力扣，146、LRU缓存机制

运用你所掌握的数据结构，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。

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

解题思路：

哈希表 + 双向链表（Java中有类似数据结构 L i n k e d H a s h M a p LinkedHashMap LinkedHashMap​)​

题解代码：

import java.util.HashMap;

public class LRU {
    //双向链表
    class DeList{
        int key;
        int val;
        DeList pre;
        DeList next;
        public DeList(){}
        public DeList(int key, int val){
            this.key = key;
            this.val = val;
        }
    }

    private HashMap<Integer, DeList> map = new HashMap<Integer, DeList>();
    private int size;
    private int capacity;
    private DeList head, tail;

    //初始化LRU
    public LRU(int capacity){
        this.size = 0;
        this.capacity = capacity;
        head = new DeList();
        tail = new DeList();
        head.next = tail;
        tail.pre = head;
    }

    //取值
    public int get(int key){
        DeList node = map.get(key);
        if(node == null){
            return -1;
        }
        moveToHead(node);
        return node.val;
    }

    //添加值
    public void put(int key, int val){
        DeList node = map.get(key);
        if(node == null){
            DeList newNode = new DeList(key,val);
            map.put(key, newNode);
            addToHead(newNode);
            ++size;
            if(size > capacity){
                DeList tail = removeTail();
                map.remove(tail.key);
                --size;
            }
        }else{
            node.val = val;
            moveToHead(node);
        }
    }

    public void addToHead(DeList node){
        node.pre = head;
        node.next = head.next;
        head.next.pre = node;
        head.next = node;
    }

    public void removeNode(DeList node){
        node.pre.next = node.next;
        node.next.pre = node.pre;
    }

    public void moveToHead(DeList node){
        removeNode(node);
        addToHead(node);
    }

    public DeList removeTail(){
        DeList res = tail.pre;
        removeNode(res);
        return res;
    }
}

实际场景：

操作系统底层的内存管理，页面置换算法

一般的缓存服务，memcache/redis之类