数据结构：LRU Cache

什么是LRU Cache

LRU是Least Recently Used的缩写，意思是最近最少使用，它是一种Cache替换算法。 什么是Cache？狭义的Cache指的是位于CPU和主存间的快速RAM， 通常它不像系统主存那样使用DRAM技术，而使用昂贵但较快速的SRAM技术。 广义上的Cache指的是位于速度相差较大的两种硬件之间， 用于协调两者数据传输速度差异的结构。除了CPU与主存之间有Cache， 内存与硬盘之间也有Cache，乃至在硬盘与网络之间也有某种意义上的Cache── 称为Internet临时文件夹或网络内容缓存等。

Cache的容量有限，因此当Cache的容量用完后，而又有新的内容需要添加进来时， 就需要挑选并舍弃原有的部分内容，从而腾出空间来放新内容。LRU Cache 的替换原则就是将最近最少使用的内容替换掉。其实，LRU译成最久未使用会更形象， 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容

LRU Cache的实现

实现LRU Cache的方法和思路很多，但是要保持高效实现O(1)的put和get，那么使用双向链表和哈希表的搭配是最高效和经典的。使用双向链表是因为双向链表可以实现任意位置O(1)的插入和删除，使用哈希表是因为哈希表的增删查改也是O(1)

LRU缓存

对于底层逻辑来说，哈希表是必不可少的其次要考虑的是如何找最后一次使用的节点，这里可以借助一个链表来实现
每当使用了一个数据的时候就把这个数据加到最前面，那么链表最后的节点就是最久没有使用的内容了
但是又面临的问题是如何精准的定位到需要更改的位置，因此又需要一个迭代器
因此对于哈希表来说，需要存储的内容多了一个这个元素在链表中的定位，因此哈希表中要存储三个内容
1、Key值 2、Value值 3、Key值在链表中的索引

class LRUCache 
{
public:
    LRUCache(int capacity) 
        :_capacity(capacity)
    {}
    
    int get(int key) 
    {
        // 对于要得到一个元素，在这个题中需要两步走
        // 1、找这个元素
        // 2、更换这个元素在链表中的位置
        auto it = _HashMap.find(key);
        if(it != _HashMap.end())
        {
            // 说明此时找到了，更新它在链表中的位置
            // 这里使用的是list中的一个splice函数
            // void splice (iterator position, list& x, iterator i);
			auto listit = it->second.second;
			pair<int, int> kv = *listit;
			_lt.splice(_lt.begin(), _lt, listit);
			return kv.second;
        }
        else
        {
            return -1;
        }
    }
    
    void put(int key, int value) 
    {
        // 对于put函数来说有两种场景
        // 1、替换
        // 2、新增
        auto it = _HashMap.find(key);
        if(it != _HashMap.end())
        {
            // 替换
			it->second.second->second = value;
            auto listit = it->second.second;
			_lt.splice(_lt.begin(), _lt, listit);
			return;
        }
        else
        {
            // 新增：有可能会超过缓存中的容量，此时需要清除缓存中最后一个使用的元素，再新增一个新的元素
            if(_lt.size() == _capacity)
            {
                _HashMap.erase(_lt.back().first);
                _lt.pop_back();
            }
            _lt.push_front(make_pair(key, value));
            _HashMap[key] = make_pair(value, _lt.begin());
        }
    }
private:
    // 对于底层逻辑来说，哈希表是必不可少的
    // 其次要考虑的是如何找最后一次使用的节点，这里可以借助一个链表来实现
    // 每当使用了一个数据的时候就把这个数据加到最前面，那么链表最后的节点就是最久没有使用的内容了
    // 但是又面临的问题是如何精准的定位到需要更改的位置，因此又需要一个迭代器
    // 因此对于哈希表来说，需要存储的内容多了一个这个元素在链表中的定位，因此哈希表中要存储三个内容
    // 1、Key值  2、Value值  3、Key值在链表中的索引
    // 因此设计的模式采用下面的设计模式
	unordered_map<int, pair<int, list<pair<int, int>>::iterator>> _HashMap;
	list<pair<int, int>> _lt;
    int _capacity;
};

/**
 * 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);
 */