【數據結構與算法】LRU Cache 算法實現

文章目錄

Ⅰ. 什么是 LRU Cache
Ⅱ. LRU Cache 的實現
- - - [146. LRU 緩存](https://leetcode.cn/problems/lru-cache/)

Ⅰ. 什么是 LRU Cache

? LRU（ Least Recently Used）是一種淘汰策略的縮寫，意思是 最近最少使用，它是一種 Cache 替換算法。

? 什么是 Cache ？狹義的 Cache 指的是位于 CPU 和主存間的快速 RAM，通常它不像系統主存那樣使用 DRAM 技術，而使用昂貴但較快速的 SRAM 技術。廣義上的 Cache 指的是位于速度相差較大的兩種硬件之間，用于協調兩者數據傳輸速度差異的結構。除了 CPU 與主存之間有 Cache，內存與硬盤之間也有 Cache，乃至在硬盤與網絡之間也有某種意義上的 Cache ── 稱為 Internet 臨時文件夾或網絡內容緩存等。

? Cache 的容量有限，因此當 Cache 的容量用完后，而又有新的內容需要添加進來時，就需要挑選并舍棄原有的部分內容，從而騰出空間來放新內容。 LRU Cache 的替換原則就是將最近最少使用的內容替換掉。其實，LRU 譯成最久未使用會更形象，因為該算法每次替換掉的就是一段時間內最久沒有使用過的內容。

Ⅱ. LRU Cache 的實現

? 實現 LRU Cache 的方法和思路很多，但是要保持高效實現 O(1) 的 put 和 get，那么使用雙向鏈表和哈希表的搭配是最高效和經典的。使用雙向鏈表是因為 雙向鏈表可以實現任意位置 O(1) 的插入和刪除，使用 哈希表可以實現 O(1) 的查找。

? 這分別對應到 stl 中的 list 和 unordered_map ，其中要注意的是，為了能達到 O(1) 的效果，我們在 unordered_map 中存放的 value 值是 list 的迭代器 list<int, int>::iterator ，這樣子就能快速找到鏈表中每個節點。

在這里插入圖片描述

146. LRU 緩存

請你設計并實現一個滿足 LRU (最近最少使用) 緩存約束的數據結構。實現 LRUCache 類：

LRUCache(int capacity) 以正整數作為容量 capacity 初始化 LRU 緩存
int get(int key) 如果關鍵字 key 存在于緩存中，則返回關鍵字的值，否則返回 -1 。
void put(int key, int value) 如果關鍵字 key 已經存在，則變更其數據值 value ；如果不存在，則向緩存中插入該組 key-value 。如果插入操作導致關鍵字數量超過 capacity ，則應該逐出最久未使用的關鍵字。
函數 get 和 put 必須以 O(1) 的平均時間復雜度運行。

示例：輸入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
輸出
[null, null, null, 1, null, -1, null, -1, 3, 4]解釋
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 緩存是 {1=1}
lRUCache.put(2, 2); // 緩存是 {1=1, 2=2}
lRUCache.get(1);    // 返回 1
lRUCache.put(3, 3); // 該操作會使得關鍵字 2 作廢，緩存是 {1=1, 3=3}
lRUCache.get(2);    // 返回 -1 (未找到)
lRUCache.put(4, 4); // 該操作會使得關鍵字 1 作廢，緩存是 {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

代碼實現：

class LRUCache {
public:LRUCache(int capacity) :_capacity(capacity){}int get(int key) {auto it = _hashMap.find(key);if(it == _hashMap.end()){return -1;}else{// 存在的話，先要將其更新到鏈表的首位，有兩種方法// 1、使用 push_front + erase 但是容易迭代器失效問題// 2、使用 splice 函數進行轉移// 這里采用第二種方法_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()){// 找不到說明要新增// 需要判斷一下是否需要逐出LRUif(_capacity == _hashMap.size()){// 刪掉LRU_hashMap.erase(_LRUList.back().first);_LRUList.pop_back();}// 插入新增元素，記得哈希表也要存_LRUList.push_front(make_pair(key, value));_hashMap.insert(make_pair(key, _LRUList.begin()));}else{// 找到的話則更新到鏈表頭并修改value即可it->second->second = value;_LRUList.splice(_LRUList.begin(), _LRUList, it->second);}}
private:// 容量是為了判斷是否已經滿了size_t _capacity;// 哈希表為查找、更新時提供O(1)的時間復雜度typedef list<pair<int, int>>::iterator LTiter;unordered_map<int, LTiter> _hashMap;// 雙向鏈表提供O(1)的插入list<pair<int, int>> _LRUList;
};