Python实现LRU缓存结构

---

LRU, Least Recently Used 近期最少使用算法, 常应用于缓存中的数据淘汰。也就是说最近最多使用的元素，出现的几率还是很高的，应该保持这种元素持续存在缓存中。
那么，应该使用什么数据结构才能满足要求呢？如下图：

92033a96-da60-11e4-8754-66135bb0d233.png

这不是双向链表么？表头代表最近使用过的数据，表尾表示最久没有使用过的数据。当需要删除旧数据时，可以通过删除表尾节点，然后在表头接入一个新节点。而更新节点时，可以把原来的节点删除掉，然后重新接入表头。如果插入时没有达到容量的上限的话，可以一直往表头插入节点。

实现中有一点需要注意，由于链表查找数据，需要从表头一步步查询到表尾，查找速度比较慢，
所以我们可以使用Python的字典类型来存储数据的键值对。查找时，先判断是否存在于字典中，
如果在，需要更新节点的使用情况并返回结果，没有就返回-1。

实现

class LRUCache(object):
    
    class Node(object):
        def __init__(self, key, value):
            self.key = key
            self.value = value
            self.prev = None
            self.next = None
            
    def __init__(self, capacity):
        self.capacity = capacity
        self.size = 0
        self.items = {}   # 存节点的键值对，方便查找某节点是否存在链表中
        self.head = self.Node(-1, -1)   # 双向链表头初始化
        self.tail = self.Node(-1, -1)   # 双向链表尾初始化
        self.head.next = self.tail      # 将头与尾连接起来
        self.tail.prev = self.head
        
    def __remove(self, node):
        """remove node.
        :params node: remove this node
        """
        node.prev.next = node.next  # 当前节点的前节点的next指向当前节点的后节点
        node.next.prev = node.prev  # 当前节点的后节点的prev指向当前节点的前节点
        node.prev = None   #把当前节点的前节点置空
        node.next = None
        
    def __insert(self, node):
        node.prev = self.head
        node.next = self.head.next
        self.head.next.prev = node
        self.head.next = node
        
    def get(self, key):
        if key not in self.items:
            return -1
        node = self.items[key] 
        self.__remove(node)   # 先删除该节点，然后在表头重新接入
        self.__insert(node)
        return node.value
    
    def put(self, key, value):
        if key in self.items:
            node = self.items[key]
            self.__remove(node)
            node.value = value
            self.__insert(node)
        else:
            # 判断LRU缓存中是否已经达到最大容量，是的话就删除表尾节点，然后再执行插入操作
            if self.size == self.capacity:
                discard = self.tail.prev
                self.__remove(discard)
                del self.items[discard.key]
                self.size -= 1
                
            node = self.Node(key, value)
            self.items[key] = node
            self.__insert(node)
            self.size += 1