LRU Cache

一、认识LRU Cache

二、LRU Cache实现

一、认识LRU Cache

LRU是Least Recently Used的缩写，意思是最近最少使用，是一种Cache替换算法

狭义的Cache指的是位于CPU和主存间的快速RAM，通常它不像系统主存那样使用DRAM技术，而使用昂贵但较快速的SRAM技术。广义上的Cache指的是位于速度相差较大的两种硬件之间，用于协调两者数据传输速度差异的结构。除了CPU与主存之间有Cache，内存与硬盘之间也有Cache，乃至在硬盘与网络之间也有某种意义上的Cache── 称为Internet临时文件夹或网络内容缓存等

Cache的容量有限，因此当Cache的容量用完后，而又有新的内容需要添加进来时，就需要挑选并舍弃原有的部分内容，从而腾出空间来放新内容。LRU Cache 的替换原则就是将最近最少使用的内容替换掉。其实，LRU译成最久未使用会更形象，因为该算法每次替换掉的就是一段时间内最久没有使用过的内容

二、LRU Cache实现

实现LRU Cache的方法和思路很多，但是要保持高效实现 $O(1)$ 的put和get，那么使用双向链表和
哈希表的搭配是最高效和经典的。使用双向链表是因为其可以实现任意位置 $O(1)$ 的插入和删除，使用哈希表是因为哈希表的增删查改也是 $O(1)$ 146. LRU 缓存 - 力扣（LeetCode）https://leetcode.cn/problems/lru-cache/description/

class LRUCache 
{
public:LRUCache(int capacity) :_capacity(capacity) {}int get(int key) {// ret是unordered_map<int, ListIter>::iteratorauto ret = _hashMap.find(key);if(ret != _hashMap.end()){ListIter it = ret->second;//利用splice函数，将_LURList中it指向的元素，插入_LURList.begin()的位置_LRUList.splice(_LRUList.begin(), _LRUList, it);// it不变，依旧可以使用return it->second;}else return -1;}void put(int key, int value) {auto ret = _hashMap.find(key);if(ret == _hashMap.end()){//细节：在某些版本中的list中，size()是通过遍历实现的，效率较低if(_capacity == _hashMap.size()){pair<int, int> back = _LRUList.back();_hashMap.erase(back.first);_LRUList.pop_back();}_LRUList.push_front(make_pair(key, value));_hashMap[key] = _LRUList.begin();}else{ListIter it = ret->second;it->second = value;_LRUList.splice(_LRUList.begin(), _LRUList, it);}}
private:typedef list<pair<int, int>>::iterator ListIter;unordered_map<int, ListIter> _hashMap;list<pair<int, int>> _LRUList;int _capacity;
};

get操作：先通过哈希表查找到该结点 $O(1)$ ，再将该结点移出链表 $O(1)$ ，然后将移出的结点头插到链表中 $O(1)$ ，最后进行返回
put操作：若没有数据则进行插入数据，若有数据则进行数据更新。插入数据时，若数据已经达到上限，则删除链表尾的数据和哈希表中的数据，两个删除操作都是 $O(1)$

上述代码中，将使用过的结点移到链表头部时，并没有采用先删除再插入的方法，而是使用了 $splice$ 方法