LRU Cache

最新推荐文章于 2025-02-05 23:27:54 发布

原创最新推荐文章于 2025-02-05 23:27:54 发布 · 540 阅读

0 ·

CC 4.0 BY-SA版权

算法同时被 3 个专栏收录

125 篇文章

订阅专栏

leetcode

45 篇文章

订阅专栏

链表

18 篇文章

订阅专栏

本文介绍了一种使用双向链表和哈希表实现的LRU(最近最少使用)缓存机制。通过这种方式，可以有效地在O(1)时间内完成缓存的插入和删除操作。文章还详细解释了如何维护缓存中的数据结构以确保快速访问。

怎么去想：

一般的cache就是一个map，LRU性质需要维护least recently used。当一个key被访问，这个key就处于离被移出cache最远的位置，下一次又有一个key被访问，之前的key就变为离被移除cache次远的位置，这里面就有队列的性质，队列的尾就是least recently used，队头就是最久未被访问的。只不过一般队列只是增加新的，cache key的队列可以把队列里任意位置的一个元素移到队尾。

当访问一个key时，需要立刻定位到LRU队列对应的位置，所以需要一个map 来关联key和 key在LRU中的位置，为了方便删除（不用找前继结点）队列用双向链表。

进一步的，因为双链表节点的移动只是修改指针，节点大小无所谓，所以LRU队列可以不仅放key，而是key和数据都放。这样就不需要单独的map放数据，而是只是一个作为locator的 map 和一个节点包含key和数据的双链表就够了，locator定位到队列的位置，数据也就定位到了。

class LRUCache{
public:
    LRUCache(int capacity) {
        this->capacity = capacity;
    }
    
    int get(int key) {
        auto it = m.find(key);
        if(it==m.end()) return -1;
        int ret = it->second->second;
        l.splice(l.end(), l, it->second);
        it->second=prev(l.end());
        return ret;
    }
    
    void set(int key, int value) {
        auto it = m.find(key);
        if(it!=m.end()){
            it->second->second = value;
            l.splice(l.end(), l, it->second);
        }else{
            if(l.size()==capacity){
                m.erase(l.front().first);
                l.pop_front();
            }
            l.push_back(make_pair(key, value));
        }
        m[key]=prev(l.end());
    }
private:
    list<pair<int,int>> l;
    unordered_map<int,list<pair<int,int>>::iterator> m;
    int capacity;
};