LRU
LRU是Least Recently Used的缩写，即最近最少使用，是一种内存管理算法，也可以用作缓存淘汰策略。
这种算法的核心思想是：如果数据最近被访问过，那么将来被访问的几率也更高。
因此，当内存或缓存容量有限，需要淘汰部分数据时，LRU算法会优先淘汰那些最长时间未被访问的数据。
解题思路
该题使用哈希表+双向链表的思想来解决
首先定义双向链表，链表中包含key和value
定义哈希表来存储双向链表中各个节点的位置，键为key，值为双向链表中的节点
根据LRU算法的特点，此处选择在双向链表的头部来插入数据，尾部则表示最近最少使用的数据(如果容量超出限制的时候，此处的节点需要被踢出)
在写get方法来获取某节点的时候，如果哈希表中存储了该节点，根据LRU算法，则先将该节点删除，再将该节点添加到链表中。如果哈希表中未存储该节点，则返回-1。
在写put方法的时候，如果哈希表中未存储该节点，则创建一个新的节点，节点中key和value分别为要添加的键和值，之后将key和新创建的节点添加到哈希表中，在将新的节点添加到链表头部。此时链表的大小size+1
再对size进行判断，如果size超过了定义的容量大小capacity，则根据LRU算法，需要将最近最少使用的元素(表尾节点删除)，使得size最大为capacity。如果哈希表中已经存储该节点，则需要对该节点的数据进行更新，首先根据key从哈希表中取出该节点，再对节点中的value重新赋值，之后根据LRU算法将该节点从链表中删除，再添加到链表表头的位置。
LeetCode LRU官方题解
public class LRUCache {LRUNode head,tail;int size,capacity;Map<Integer,LRUNode> map=new HashMap<>();public LRUCache(int capacity) {this.capacity=capacity;this.size=0;//头尾相连head=new LRUNode();tail=new LRUNode();head.next=tail;tail.pre=head;}//如果最近使用了该节点，就将该节点放入表头public int get(int key) {if(!map.containsKey(key)){return -1;}else{LRUNode lruNode = map.get(key);moveNode(lruNode);return lruNode.val;}}public void put(int key, int value) {if(!map.containsKey(key)){//创建一个新的节点LRUNode lruNode=new LRUNode(key,value);//将新节点加入哈希表中map.put(key,lruNode);//将其添加到表头addNode(lruNode);//如果容量大于capacity++size;if(size>capacity){//如果超出容量，就将表尾节点删除LRUNode pre = tail.pre;removeNode(pre);//删除哈希表中的对应项map.remove(pre.key);--size;}}else{//如果key已经存在LRUNode lruNode = map.get(key);//先修改其节点的值lruNode.val=value;//再将其删除并重新添加至表头moveNode(lruNode);}}//删除节点public void removeNode(LRUNode node){node.pre.next=node.next;node.next.pre=node.pre;}//添加节点public void addNode(LRUNode node){node.pre=head;node.next=head.next;head.next.pre=node;head.next=node;}public void moveNode(LRUNode node){removeNode(node);addNode(node);}}class LRUNode {int key,val;LRUNode pre,next;public LRUNode(){}public LRUNode(int key, int val){this.key=key;this.val=val;}
}
