LRU缓存 Leetocde146. LRU Cache

最新推荐文章于 2025-03-13 17:37:29 发布

HELLO_蓝猫

最新推荐文章于 2025-03-13 17:37:29 发布

阅读量199

点赞数

CC 4.0 BY-SA版权

分类专栏：算法 leetcode 链表二叉树

本文链接：https://blog.youkuaiyun.com/BJUT_bluecat/article/details/88561537

算法同时被 3 个专栏收录

106 篇文章

订阅专栏

leetcode

90 篇文章

订阅专栏

二叉树

27 篇文章

订阅专栏

本文详细介绍了一种使用双链表和哈希映射实现的LRU(最近最少使用)缓存机制。该机制能够在O(1)的时间复杂度内完成get和put操作，满足高效缓存管理的需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

class Node
{
public:

    int key_t;
    int value_t;
    Node(int key,int value):key_t(key),value_t(value)
    {
        
    }
};
class LRUCache {

public:
    list<Node> cache;//缓存 双向链表 方便插入删除
    unordered_map<int,list<Node>::iterator> m; //通过map方便查找节点位置 通过key找节点位置 前面是key 后面是双向链表当前位置的迭代器
    int capacity;
    LRUCache(int capacity) :capacity(capacity)
    {
        
    }
    void output()
    {
        cout<<"cache=====cache"<<endl;
        for(auto x=cache.begin();x!=cache.end();x++)
        {
            cout<<"key:"<<(*x).key_t<<" value:"<<(*x).value_t<<endl;
        }
    }
    int get(int key)//get也算访问一次 放到前面
    {
        auto it=m.find(key);
        if(it==m.end())//不存在
        {
            return -1;
        }
        else
        {
            if(cache.front().key_t!=key)
            {
                //map更新 只动链表
                
                int val=(*m[key]).value_t;//暂时存储value
                cache.erase(m[key]);
                cache.emplace_front(Node(key,val));
                m[key]=cache.begin();
            }

            return (*m[key]).value_t;
        }
        
    }
    
    void put(int key, int value)
    {
        auto it=m.find(key);//首先先判断新的数据是否存在
        if(it==m.cend())//新的数据不存在 放到双链表最前面
        {
            if(cache.size()>=capacity)//大于等于缓存容量 删掉尾巴
            {
                //注意顺序！！！！
                /*
                cache.pop_back();
                m.erase(cache.back().key_t);
                 */
                m.erase(cache.back().key_t);
                cache.pop_back();
            }
            //新数据直接放最前面
            cache.emplace_front(Node(key,value));
            m[key]=cache.begin();
            
        }
        else//如果存在数据已经存在
        {
            //如果链表开头 更新一下value 其他原封不动 反之 移到开头
            if(cache.front().key_t!=key)
            {
                //map更新 只动链表
                cache.erase(m[key]);
                cache.emplace_front(Node(key,value));
                m[key]=cache.begin();
            }
            else
            {
                auto cache_it=(*it).second;
                (*cache_it).value_t=value;
            }
        }
    }
};

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache* obj = new LRUCache(capacity);
 * int param_1 = obj->get(key);
 * obj->put(key,value);
 */

解法：用一个双链表存储数据，新的元素放在最前面，访问过一次也算用过，这样排在后面的都是最少用的，容量不够，删除之，key相同的需要更新value。

146. LRU Cache

Hard

251381FavoriteShare

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value) - Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.

Follow up:
Could you do both operations in O(1) time complexity?

Example:

LRUCache cache = new LRUCache( 2 /* capacity */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // returns 1
cache.put(3, 3);    // evicts key 2
cache.get(2);       // returns -1 (not found)
cache.put(4, 4);    // evicts key 1
cache.get(1);       // returns -1 (not found)
cache.get(3);       // returns 3
cache.get(4);       // returns 4