LRU算法

最新推荐文章于 2025-10-19 23:53:54 发布

原创最新推荐文章于 2025-10-19 23:53:54 发布 · 100 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了一种使用哈希表和双向链表的数据结构来实现LRU缓存，通过频繁访问的节点置顶并更新哈希映射，以高效管理有限容量的缓存。当插入新节点时，会替换最少使用的节点。

哈希表保存每个节点的地址
双向链表的结点保存数据
越靠近头结点，表示距离上次访问时间越短，尾部表示访问少
访问节点时候，如果结点存在，结点交换到链表头部，同时hash中更新该节点地址
插入节点时候，如果达到上限，删除尾部结点，同时在hash中删除对应的项，新节点插入链表头部

class LRUCache
{
public:
	LRUCache(int capacity)
	{
		this->capacity = capacity;
	}

	int get(int key)
	{
		if (cacheMap.find(key) == cacheMap.end())
		{
			return -1;
		}
		cachlist.splice(cachlist.begin(), cachlist, cacheMap[key]);
		cacheMap[key] = cachlist.begin();
		return cacheMap[key]->value;
	}

	void put(int key, int value)
	{
		if (cacheMap.find(key) == cacheMap.end())
		{
			if (cacheMap.size() == this->capacity)
			{
				cacheMap.erase(cachlist.back().key);
				cachlist.pop_back();
			}
			cachlist.push_front(CacheNode(key, value));
			cacheMap[key] = cachlist.begin();
		}
		else
		{
			//更新结点值
			cacheMap[key]->value = value;
			cachlist.splice(cachlist.begin(), cachlist, cacheMap[key]);
			cacheMap[key] = cachlist.begin();
		}
	}
private:
	struct CacheNode
	{
		int key;
		int value;
		CacheNode(int k, int v) :key(k), value(v) {};
	};
private:
	list<CacheNode> cachlist;
	unordered_map<int, list<CacheNode>::iterator> cacheMap;
	int capacity;

};