【数据结构与算法】LRU Cache 算法实现

文章目录

Ⅰ. 什么是 LRU Cache
Ⅱ. LRU Cache 的实现
- - - [146. LRU 缓存](https://leetcode.cn/problems/lru-cache/)

Ⅰ. 什么是 LRU Cache

LRU（ Least Recently Used）是一种淘汰策略的缩写，意思是 最近最少使用，它是一种 Cache 替换算法。

什么是 Cache ？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。

Ⅱ. LRU Cache 的实现

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 双向链表可以实现任意位置 O(1) 的插入和删除，使用 哈希表可以实现 O(1) 的查找。

这分别对应到 stl 中的 list 和 unordered_map ，其中要注意的是，为了能达到 O(1) 的效果，我们在 unordered_map 中存放的 value 值是 list 的迭代器 list<int, int>::iterator ，这样子就能快速找到链表中每个节点。

在这里插入图片描述

146. LRU 缓存

请你设计并实现一个满足 LRU (最近最少使用) 缓存约束的数据结构。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 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该逐出最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

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

代码实现：

class LRUCache {
public:LRUCache(int capacity) :_capacity(capacity){}int get(int key) {auto it = _hashMap.find(key);if(it == _hashMap.end()){return -1;}else{// 存在的话，先要将其更新到链表的首位，有两种方法// 1、使用 push_front + erase 但是容易迭代器失效问题// 2、使用 splice 函数进行转移// 这里采用第二种方法_LRUList.splice(_LRUList.begin(), _LRUList, it->second);return it->second->second;}}void put(int key, int value) {auto it = _hashMap.find(key);if(it == _hashMap.end()){// 找不到说明要新增// 需要判断一下是否需要逐出LRUif(_capacity == _hashMap.size()){// 删掉LRU_hashMap.erase(_LRUList.back().first);_LRUList.pop_back();}// 插入新增元素，记得哈希表也要存_LRUList.push_front(make_pair(key, value));_hashMap.insert(make_pair(key, _LRUList.begin()));}else{// 找到的话则更新到链表头并修改value即可it->second->second = value;_LRUList.splice(_LRUList.begin(), _LRUList, it->second);}}
private:// 容量是为了判断是否已经满了size_t _capacity;// 哈希表为查找、更新时提供O(1)的时间复杂度typedef list<pair<int, int>>::iterator LTiter;unordered_map<int, LTiter> _hashMap;// 双向链表提供O(1)的插入list<pair<int, int>> _LRUList;
};