精选50题之 146. LRU缓存机制_lru缓存题-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_41728431/article/details/101096446

这篇博客详细介绍了LRU缓存机制，并提供了一个实现示例。文章首先解释了LRU的工作原理，然后分析了如何在O(1)的时间复杂度内完成get和put操作，提出了使用哈希表和双向链表结合的数据结构。接着，博主提供了代码实现，并分析了其时间复杂度和空间复杂度。最后，提到了参考来源和其他相关信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

腾讯精选练习（50 题）之 146. LRU缓存机制

原题目链接

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作：获取数据 get 和写入数据 put 。

获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。
写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。

进阶:
你是否可以在 O(1) 时间复杂度内完成这两种操作？

示例:

LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得密钥 2 作废
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 该操作会使得密钥 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4

题目分析

首先，LRU机制在操作系统、计算机组成与结构这两门课中都有涉及，有助于题目理解。
其次，题目中的关键信息会给我们带来启发。LRU的淘汰机制类似堆栈操作的“先进先出”，不同在于若访问过则移到“后面”，同时由于要求在O(1)时间复杂度内完成put()和get()操作，显然堆栈、数组这一类的数据结构就不能胜任了。会想到什么数据结构？hash表。

然而还存在问题：hash表查找速度快，但无固定顺序，进行插入、删除操作慢。

如何解决？
通过学习[注1]，发现可以引入（双向）链表，数据结构应该是“双向链表和哈希表的结合体”。
——“借助哈希表赋予了链表快速查找的特性：可以快速查找某个 key 是否存在缓存（链表）中，同时可以快速删除、添加节点。”

解题分析

在这里插入图片描述

代码实现

class LRUCache {
private:
    // 定义最大容量
    int vol;
    // 定义双向链表：装载（key, value）元组
    list<pair<int, int>> cache;
    // 定义哈希表：key 映射到(key, value)在cache中的位置
    // 同时使用 迭代器 
    unordered_map<int, list<pair<int, int>>::iterator> hash;
public:
    LRUCache(int capacity) {
        this -> vol = capacity;
    }
    
    int get(int key) {
        // auto:自动类型推断
        auto p = hash.find(key);
        // 情况一：访问的key不存在
        if(p == hash.end())
            return -1;
        
        // 情况二：访问的key存在
        // 将 键值对 kvpair 换到队首
        pair<int, int> kvpair = * hash[key];
        cache.erase(hash[key]);
        cache.push_front(kvpair);
        // 更新 键值对kvpair 在链表cache中的位置
        hash[key] = cache.begin();
        return kvpair.second; // 即返回 value值
    }
    
    void put(int key, int value) {
        auto p = hash.find(key);
        // 先判断 key 是否已经存在
        if(p == hash.end())
        {
            // key 不存在，接着判断cache是否已满
            if(cache.size() == vol)
            {
                // cache已满，需删除尾部键值对
                // cache，hash中都要删除
                auto lastPair = cache.back();
                int lastKey = lastPair.first;
                hash.erase(lastKey);
                cache.pop_back();
            }
            // cache未满，直接添加在最前端(此处不能用else?)
            cache.push_front(make_pair(key, value));
            hash[key] = cache.begin();
        }
        else
        {
            // key已经存在，修改value并拍到队首
            cache.erase(hash[key]);
            cache.push_front(make_pair(key, value));
            hash[key] = cache.begin(); 
        }
    }
};