深入理解 LRU 缓存策略：从原理到实战-优快云博客

本文链接：https://blog.youkuaiyun.com/Interview_TC/article/details/149401415

📖 推荐阅读：《Yocto项目实战教程:高效定制嵌入式Linux系统》
🎥 更多学习视频请关注 B 站：嵌入式Jerry

深入理解 LRU 缓存策略：从原理到实战

一、从现实问题出发：为什么需要 LRU？

在操作系统或嵌入式设备中，内存是有限的。

例如：

系统只能保留最近 N 页内存页，多余的要写入 swap 或丢弃
嵌入式终端的 Flash Cache 只能缓存有限条记录
浏览器的历史记录不可能无限保留

这就引出一个实际问题：

当缓存空间已满，要新加入一个元素，应该淘汰哪一个？

一种直观式、实用的答案是：

淘汰“最近最少使用”的那个。

二、什么是 LRU？

LRU 全称 Least Recently Used（最近最少使用）。它是一种缓存替换策略，解决的正是上述“谁该被淘汰”的问题。
**
在这里插入图片描述
**

关键思想：

每当一个数据被访问，就将其标记为“最新使用”
当缓存空间不足时，淘汰那个最久没被访问的数据

三、与内存管理的关系：操作系统就是 LRU 的大本营

操作系统中的页替换策略就是 LRU 的核心应用领域。

在分页管理中：

虚拟内存页：按需加载
物理页框：有限，超出就要淘汰
淘汰策略：可使用 LRU（或改进型，如 Clock）

四、如何用数据结构实现 LRU？

LRU 的需求：

快速访问：get(key) 要 O(1)
快速更新顺序：put(key, val) 也要 O(1)
淘汰“最久未用”的元素

最佳数据结构组合：

结构	用途
哈希表	O(1) 快速找到 key 对应节点
双向链表	O(1) 移动、删除节点，维持访问顺序

链表逻辑：

最近访问的在链表头部
最久未访问的在链表尾部
put/get 时，移动节点到头部
超过容量时，删除尾部节点

五、代码实现（C++ 示例，通俗易懂）

class LRUCache {
    int cap;
    list<pair<int, int>> cache; // 双向链表：存 <key, value>
    unordered_map<int, list<pair<int, int>>::iterator> map; // key -> 节点位置

public:
    LRUCache(int capacity) : cap(capacity) {}

    int get(int key) {
        if (map.find(key) == map.end()) return -1;
        cache.splice(cache.begin(), cache, map[key]);
        return map[key]->second;
    }

    void put(int key, int value) {
        if (map.find(key) != map.end()) {
            map[key]->second = value;
            cache.splice(cache.begin(), cache, map[key]);
        } else {
            if (cache.size() == cap) {
                int delKey = cache.back().first;
                map.erase(delKey);
                cache.pop_back();
            }
            cache.emplace_front(key, value);
            map[key] = cache.begin();
        }
    }
};

六、LRU 给数据结构学习的启示

学习指引：

能力点	说明
哈希表（unordered_map）	快速定位元素
双向链表（list）	快速删除 / 插入指定位置
容器组合思想	单一结构不够用，组合才是王道
操作系统的联系	桌面系统中实际使用策略，不只是刷题

七、工程实践中的 LRU：用得最多的策略之一

场景	LRU 的作用
Redis 缓存	淘汰旧键值对（默认策略之一）
MySQL/InnoDB	管理缓存页 buffer pool
浏览器缓存	控制页面资源淘汰
嵌入式系统	Flash 空间缓存控制