一、定义
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。
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。
二、LRU模拟实现
下面我们就借力扣的这道题来简单实现一个
题目中要求我们以O（1）的时间复杂度来完成，查找的话我们首先肯定会想到哈希表，但又涉及一个问题，我们查找完之后还需要更新一下刚刚查找数据的位置，将这个数据置为是新的数据，我们如何解决查找完改变数据的标识也做到O（1）呢？
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)。
需要注意：这里最巧的设计就是将unordered_map的value type放成list<pair<int, int>>::iterator，因为这样，当get一个已有的值以后，就可以直接找到key在list中对应的iterator，然后将这个值移动到链表的头部，保持LRU。
二、代码实现
#define _CRT_SECURE_NO_WARNINGS 1
#include<iostream>
#include<list>
#include<unordered_map>
using namespace std;
class LRUCache {
public:
LRUCache(int capacity)
:_capacity(capacity)
{
}
int get(int key) {
auto ret = _hashMap.find(key);
//在hash中找到了key存的地方
if (ret != _hashMap.end()) {
LtIter it = ret->second;
//将it移动到_LRUList的头部
_LRUList.splice(_LRUList.begin(), _LRUList, it);
return it->second;
}
else {
return -1;
}
}
void put(int key, int value) {
auto ret = _hashMap.find(key);
//原来没有key的数据则添加
if (ret == _hashMap.end()) {
//LRU满了，删除最近最少使用的就是链表尾部
if (_capacity == _hashMap.size()) {
pair<int, int>back = _LRUList.back();
_hashMap.erase(back.first);//删哈希里面
//链表里面k存的和哈希的是同一个key
_LRUList.pop_back();//删链表尾部
}
//放入新的数据到链表头部
_LRUList.push_front(make_pair(key, value));
//哈希表中添加
_hashMap[key] = _LRUList.begin();
}
//原来有key的数据则更新
else {
LtIter it = ret->second;
it->second = value;
//将这个位置移到链表头部
_LRUList.splice(_LRUList.begin(), _LRUList, it);
}
}
private:
//链表存kv结构
//k为key值，v为我们要更新的数据
typedef list<pair<int, int>>::iterator LtIter;//重命名链表迭代器
int _capacity; // 容量大小，超过容量则换出，保持LRU
//_LRUList假设链表头部为最近使用的，尾部为最近最少使用
list<pair<int, int>> _LRUList;
//hash中存放的是key值与对应链表迭代器的的映射关系
unordered_map<int, LtIter>_hashMap;
};
