LRU快取機制的實現

LRU代表最近最少使用，當用戶新增資料時應在快取中刪除最久沒被使用的資料項，具體要求可以參考leetcode

https://leetcode-cn.com/problems/lru-cache/

演算法實現

1. 使用陣列記錄時間戳

用一個數組記錄所有元素的使用時間戳，每當一個元素插入或查詢時置為零，並將其他所有元素加1，查詢、新增時間複雜度均為O(n)

2. 使用雙向連結串列

連結串列的新增、刪除時間複雜度均為O(1)，但是查詢時間未O(n)，可以使用連結串列的特性將最近使用的節點移動到隊首，這樣便可以空間滿時直接刪除最後一個元素

還可以結合雜湊表將查詢複雜度優化為O(1)，每次查詢的時候到hash表中找到對應節點，但是移動它需要知道其前驅節點，因此使用雙向連結串列會比較方便

3. leecode上我的實現

class LRUCache {
   class Node {
     int key;
     int value;
     Node next;
     Node pre;
     public String toString() {
       return "key = "+key +"value = "+value; 
     }
   }
   Map<Integer, Node> table = new HashMap<>();
   int size = 0;
   int capacity;
   Node head;
   Node tail;
   public LRUCache(int capacity) {
     this.capacity = capacity;
   }
   private void refresh(Node node) {
     if(node != head) {
       Node pre = node.pre;
       pre.next = node.next;
       if(node != tail) {
         node.next.pre = pre;
       } else {
         tail = node.pre;
       }
       node.pre = null;
       node.next = head;
       head.pre = node;
       head = node;
     }
   }
   public int get(int key) {
     if(table.containsKey(key)) {
       Node node = table.get(key);
       refresh(node);
       return node.value;
     } else {
       return -1;
     }
   }
  
   public void put(int key, int value) {
     if(table.containsKey(key)) {
       Node node = table.get(key);
       node.value = value;
       refresh(node);
     } else {
       if(capacity <= size) {
         table.remove(tail.key);
         if(head == tail) {
           head = null;
           tail = null;
         } else {
           tail = tail.pre;
           tail.next = null;
         }
       } else {
         size++;
       }
       Node node = new Node();
       node.key = key;
       node.value = value;
       if(head != null) {
        node.next = head;
        head.pre = node;
       } else {
         tail = node;
       }
       head = node;
       table.put(key, node);
       head = node;
     }
   }
}