LRU 缓存机制设计与 JavaScript 实现

场景想象：

你有一个书架（缓存），容量有限（比如只能放 3 本书）。

规则是'最近最少使用 (Least Recently Used)'淘汰：

1. 读取：如果你读了一本书，它就变得'新鲜'了，要把它抽出来放到最前面。
2. 插入：
   • 如果书架没满，新书直接插到最前面。
   • 如果书架满了，必须把最后面那本（最久没人看的那本）扔掉，然后把新书插到最前面。

技术难点：

我们需要两个操作：get（查找）和 put（插入/更新）。

题目要求这两个操作的时间复杂度必须都是 $O(1)$。

• 只用数组？ 插入/删除慢（$O(N)$）。
• 只用链表？ 查找慢（$O(N)$）。
• 只用对象/Map？ 没办法维护'谁是最新的、谁是最旧的'这种顺序。

终极方案：哈希表 + 双向链表

• 哈希表 (Map)：负责 $O(1)$ 找到某个节点。
• 双向链表 (Double Linked List)：负责 $O(1)$ 移动节点位置（因为双向链表删除节点不需要遍历找前驱）。

力扣 146. LRU 缓存

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

题目分析：

• 输入：capacity (容量)。
• 实现：
  • get(key): 如果存在，返回 value，并把它移到最新位置；不存在返回 -1。
  • put(key, value): 如果 key 存在，更新 value 并移到最新；如果不存在，插入新节点（可能需要淘汰最老的）。

核心思维：虚拟头尾 + Map 映射

为了操作方便，我们给双向链表加上 Dummy Head 和 Dummy Tail。

• Head 右边：永远是最新的数据。
• Tail 左边：永远是最旧的数据（淘汰候补）。

代码实现 (JavaScript)

这是一道工程题，代码量稍大，但逻辑非常模块化。

// 1. 定义双向链表节点
class Node {
  constructor(key, value) {
    this.key = key;
    . = value;
    . = ;
    . = ;
  }
}


  {
  
  () {
    . = capacity;
    . =  (); 
    
    
    . =  (, );
    . =  (, );
    
    
    .. = .;
    .. = .;
    
    
    . = ;
  }

  
  () {
     (!..(key)) {
       -;
    }
    
     node = ..(key);
    
    .(node);
     node.;
  }

  
  () {
     (..(key)) {
      
       node = ..(key);
      node. = value;
      .(node);
    }  {
      
       newNode =  (key, value);
      ..(key, newNode);
      .(newNode); 
      .++;
      
      
       (. > .) {
        
         removedNode = .();
        ..(removedNode.); 
        .--;
      }
    }
  }

  
  
  
  () {
    node. = .;
    node. = ..;
    ... = node;
    .. = node;
  }

  
  () {
    node.. = node.;
    node.. = node.;
  }

  
  () {
    .(node); 
    .(node);  
  }

  
  () {
    
     node = ..;
    .(node);
     node; 
  }
}