LRU缓存——双向链表+哈希表

请你设计并实现一个满足 LRU (最近最少使用) 缓存约束的数据结构。

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 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该逐出最久未使用的关键字。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例：

复制代码

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

思路：双向链表实现最久未使用的判定，最靠前的最久未使用的。当访问（或插入）了某一个节点后，需要将这个节点挪到链表的尾部。

当双向链表删除最久未使用的节点后，还需记得删除哈希表中对应的信息【哈希表和双向链表中存储的信息应统一】。

该方法的数据结构很巧妙：DLinkedNode中有key和value，存储key实现了可以通过链表节点反向寻找哈希表，在删除时很有用。哈希表是{key:DLinkedNode}的结构，可以实现链表的随机访问（而非顺序访问）。

python 复制代码

class DLinkedNode:
    def __init__(self, key=0, value=0):
        self.key = key
        self.value = value
        self.prev = None
        self.next = None



class LRUCache:

    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = {}
        self.size = 0
        self.head=DLinkedNode()
        self.tail=DLinkedNode()
        self.head.next=self.tail
        self.tail.prev=self.head

    def get(self, key: int) -> int:
        if key in self.cache:
            node = self.cache[key]
            self.toTail(node)
            return node.value
        else:
            return -1

    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            node = self.cache[key]
            node.value = value
            self.toTail(node)
        else:
            self.cache[key] = DLinkedNode(key, value)
            self.enterTail(self.cache[key])
            if self.size < self.capacity:
                self.size += 1
            else:
                key=self.removeFirst()
                self.cache.pop(key)

    def removeFirst(self):
        key = self.head.next.key
        self.head.next.next.prev = self.head
        self.head.next = self.head.next.next
        return key

    def toTail(self,node):
        node.prev.next = node.next
        node.next.prev = node.prev
        self.enterTail(node)

    def enterTail(self,node):
        node.next = self.tail
        node.prev = self.tail.prev
        self.tail.prev.next = node
        self.tail.prev = node