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

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：

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

提示：

• 1 <= capacity <= 3000
• 0 <= key <= 10000
• 0 <= value <= 105
• 最多调用 2 * 105 次 get 和 put

思路：利用字典+双向链表结构

C#实现

public class LRUCache {
    private class Node {
        public int key;     // 键
        public int value;   // 值
        public Node prev;   // 前驱节点
        public Node next;   // 后继节点

        public Node(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }

    // 当前缓存大小
    private int size;
    // 缓存容量上限
    private int capacity;
    // 哈希表，用于 O(1) 的时间里，直接找到这个 key 对应的节点
    private Dictionary<int, Node> map = new Dictionary<int, Node>();
    // 双向链表的虚拟头节点和尾节点（哨兵节点）
    private Node head;
    private Node tail;
    public LRUCache(int capacity) {
        this.size = 0;
        this.capacity = capacity;
        // 创建虚拟头尾节点（不存储实际数据）
        head = new Node(-1, -1);
        tail = new Node(-1, -1);
        // 互相连接，形成初始链表结构 head <-> tail
        head.next = tail;
        tail.prev = head;
    }
    
    public int Get(int key) {
        if (map.ContainsKey(key)) {
            Node node = map[key];
            // 先从当前位置删除节点
            DeleteNode(node);
            // 再移动到头部（最近使用）
            AddNodeToHead(node);
            return node.value;
        }
        return -1;
    }
    
    public void Put(int key, int value) {
        if (!map.ContainsKey(key)) {
            // 创建新节点
            Node newNode = new Node(key, value);
            // 加入哈希表
            map[key] = newNode;
            // 插入到链表头部
            AddNodeToHead(newNode);
            size++;

            // 若超过容量，移除最久未使用的节点
            if (size > capacity) {
                RemoveLRUEntry();
            }
        } else {
            // 若节点已存在，则更新 value 并移动到头部
            Node node = map[key];
            node.value = value;
            MoveToHead(node);
        }
    }

    // 将节点插入到链表头部
    // 逻辑：head <-> firstNode 变成 head <-> node <-> firstNode
    private void AddNodeToHead(Node node) {
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }

    // 删除链表中的任意节点
    // 逻辑：prev <-> node <-> next 变成 prev <-> next
    private void DeleteNode(Node node) {
        Node preNode = node.prev;
        Node nextNode = node.next;
        preNode.next = nextNode;
        nextNode.prev = preNode;
    }

    // 将节点移动到链表头部
    // 先删除，再插入到头部
    private void MoveToHead(Node node) {
        DeleteNode(node);
        AddNodeToHead(node);
    }

    // 弹出（删除并返回）链表尾部节点
    // 尾部节点是最久未使用的
    private Node PopTail() {
        Node node = tail.prev;
        DeleteNode(node);
        return node;
    }

    // 移除最久未使用的节点（即尾部节点）
    // 同时从哈希表中删除对应 key
    private void RemoveLRUEntry() {
        Node node = PopTail();
        map.Remove(node.key);
        size--;
    }
}

/**
 * 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);
 */