LFU（Least Frequently Used）
LFU (Least Frequently Used) 最近最不常用算法，它是根据频率维度来选择将要淘汰的元素，即删除访问频率最低的元素。如果两个元素的访问频率相同，则淘汰最久没被访问的元素。
也就是说LFU淘汰的时候会选择两个维度，先比较频率，选择访问频率最小的元素；如果频率相同，则按时间维度淘汰掉最久远的那个元素。
实现
LRU的实现是一个哈希表加上一个双链表，而LFU则要复杂多了，需要用两个哈希表再加上N个双链表才能实现，我们先看看LFU的两个哈希表里面都存了什么。
第一个哈希表是key-value的哈希表(以下简称kv哈希表)
这里的key就是输入的key，没什么特别的。关键是value，它的value不是一个简单的value，而是一个节点对象。
节点对象Node包含了key，value，以及频率，这个Node又会出现在第二个哈希表的value中。
至于为什么Node中又重复包含了key，因为某些情况下我们不是通过k-v哈希表拿到Node的，而是通过其他方式获得了Node，之后需要用Node中的key去k-v哈希表中做一些操作，所以Node中包含了一些冗余信息。
第二张哈希表，频率哈希表，这个就要复杂多了
这张哈希表中的key是频率，也就是元素被访问的频率(被访问了1次，被访问了两次等等)，它的value是一个双向链表。
刚才说的Node对象，现在又出现了，这里的Node其实是双向链表中的一个节点。
第一张图中我们介绍了Node中包含了一个冗余的key，其实它还包含了一个冗余的频率值，因为某些情况下，我们需要通过Node中的频率值，去频率哈希表中做查找，所以也需要一个冗余的频率值。
下面我们将两个哈希表整合起来看看完整的结构:
k-v哈希表中key1指向一个Node，这个Node的频率为1，位于频率哈希表中key=1下面的双链表中(处于第一个节点)。
具体操作
下面我们来看看具体操作，get操作相对简单一些，我们就先说get操作吧。
Get
get操作的具体逻辑大致是这样：
- 如果key不存在则返回-1
- 如果key存在，则返回对应的value，同时:
- 将元素的访问频率+1
- 将元素从访问频率i的链表中移除，放到频率i+1的链表中
- 如果频率i的链表为空，则从频率哈希表中移除这个链表
第一个很简单就不用说了，我们看下第二点的执行过程
假设某个元素的访问频率是3，现在又被访问了一次，那么就需要将这个元素移动到频率4的链表中。如果这个元素被移除后，频率3的那个链表变成空了，即只剩下头结点和尾节点)就需要删除这个链表，同时删除对应的频率（也就是删除key=3）。
Put
put操作就要复杂多了，大致包括下面几种情况
- 如果key已经存在，修改对应的value，并将访问频率+1
- 将元素从访问频率i的链表中移除，放到频率i+1的链表中
- 如果频率i的链表为空，则从频率哈希表中移除这个链表
- 如果key不存在
- 缓存超过最大容量，则先删除访问频率最低的元素，再插入新元素
- 新元素的访问频率为1，如果频率哈希表中不存在对应的链表，则需要创建
- 缓存没有超过最大容量，则插入新元素
- 新元素的访问频率为1，如果频率哈希表中不存在对应的链表，则需要创建
- 缓存超过最大容量，则先删除访问频率最低的元素，再插入新元素
我们在代码实现中还需要维护一个minFreq的变量，用来记录LFU缓存中频率最小的元素，在缓存满的时候，可以快速定位到最小频繁的链表，以达到 O(1) 时间复杂度删除一个元素。
具体做法是:
- 更新/查找的时候，将元素频率+1，之后如果minFreq不在频率哈希表中了，说明频率哈希表中已经没有元素了，那么minFreq需要+1，否则minFreq不变。
- 插入的时候，这个简单，因为新元素的频率都是1，所以只需要将minFreq改为1即可。
我们重点看下缓存超过最大容量时是怎么处理的
