LeetCode(146) LRU Cache

最新推荐文章于 2025-08-10 20:50:18 发布

原创最新推荐文章于 2025-08-10 20:50:18 发布 · 1.6k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode #DataStructure

C++ 同时被 3 个专栏收录

262 篇文章

订阅专栏

InterviewQuestions

183 篇文章

订阅专栏

DataStructure_Algorithm

175 篇文章

订阅专栏

本文详细介绍了如何设计并实现一个最小近期最少使用(LRU)缓存数据结构，包括get和set操作，并通过示例解释了其工作原理。文章还提供了C++代码示例，展示了如何使用列表和哈希表来维护缓存的有效性和效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目如下：

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and set.
get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.

set(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.

分析如下：

经典设计题。维持一个最近使用的元素的cache，注意这个使用包含了两种操作，set(key, value)和get(key)。

比如看一个例子。

Input: 2,[set(2,1),set(1,1),get(2),set(4,1),get(1),get(2)]

Output Expected: [1,-1,1]

使用3个数据结构:

1. structure, 把 key value打包放入结构体中存放。
2. list，维持list recent use这个数据结构，把从最近使用到最远使用的元素依次放入list的开头到结尾
3. hashmap，保存key和它再list中的对应位置的映射。

我的代码：

我一开始没理解到LRU所指的最近的操作除了set()还有get(), 写了个vector()表达环形链表的代码，提交出错。后来修改了，是照着水中的鱼的这篇写的。

class LRUCache{
public:
    struct CacheEntry {
        int key;
        int value;
        CacheEntry(int k, int val):key(k), value(val) {}
    };
    
    LRUCache(int capacity) {
        this->capacity = capacity;
    }
    
    int get(int key) {
        if (key_to_pointer.find(key) != key_to_pointer.end()) {
            move_to_front(key);
            return key_to_pointer[key]->value;
        } else {
            return -1;
        }
    }
    
    void set(int key, int value) {
        if (key_to_pointer.find(key) != key_to_pointer.end()) {
            key_to_pointer[key]->value = value;
            move_to_front(key);
        } else {
            CacheEntry new_entry(key, value);
            if(key_to_pointer.size() >= this->capacity) {
                key_to_pointer.erase(list_of_entry.back().key);
                list_of_entry.pop_back();
            }
            list_of_entry.push_front(new_entry);
            key_to_pointer[key] = list_of_entry.begin();
        }
        return;
    }
private:
    unordered_map<int, list<CacheEntry>::iterator >  key_to_pointer;
    list<CacheEntry>  list_of_entry; //因为使用了std中的list，所以可以免去在struct中增加previous 和 next的麻烦。
    int capacity;
    
    //the latest is put at head
    void move_to_front(int key) {
        if (key_to_pointer.size() <=1) {
        //if (list_of_entry.size() <=1) {  //NOTE: !!句会带来Time Limit Exceeded, 上句却不会。原因在下文。
            return;
        }else {
            CacheEntry new_entry (key, key_to_pointer[key]->value);
            list_of_entry.erase(key_to_pointer[key]);
            list_of_entry.push_front(new_entry);
            key_to_pointer[key]=list_of_entry.begin();
            return;
        }
    }
};

小结扩展：

1 在一些平台上，list.size()的时间复杂度是O(N), 不是O(1)。所以上面的 if (list_of_entry.size() <=1) {会带来超时。具体哪些平台这里有讨论。

参考资料：

http://fisherlei.blogspot.com/2013/11/leetcode-lru-cache-solution.html