# LRU 缓存机制
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)如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。
 
 
 
进阶:你是否可以在 O(1) 时间复杂度内完成这两种操作?
 
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
## template
```java
class LRUCache {
	class Node {
		Node prev, next;
		int key, value;
		Node(int _key, int _value) {
			key = _key;
			value = _value;
		}
	}
	Node head = new Node(0, 0), tail = new Node(0, 0);
	Map map = new HashMap<>();
	int max_len;
	public LRUCache(int capacity) {
		max_len = capacity;
		head.next = tail;
		tail.prev = head;
	}
	public int get(int key) {
		if (map.containsKey(key)) {
			Node node = map.get(key);
			remove(node);
			add(node);
			return node.value;
		} else {
			return -1;
		}
	}
	public void put(int key, int value) {
		if (map.containsKey(key)) {
			remove(map.get(key));
		}
		if (map.size() == max_len) {
			remove(head.next);
		}
		add(new Node(key, value));
	}
	private void remove(Node node) {
		map.remove(node.key);
		node.prev.next = node.next;
		node.next.prev = node.prev;
	}
	private void add(Node node) {
		map.put(node.key, node);
		Node pre_tail = tail.prev;
		node.next = tail;
		tail.prev = node;
		pre_tail.next = node;
		node.prev = pre_tail;
	}
}
```
## 答案
```java
```
## 选项
### A
```java
```
### B
```java
```
### C
```java
```