LRU cache算法

最新推荐文章于 2023-07-10 15:06:59 发布

原创最新推荐文章于 2023-07-10 15:06:59 发布 · 359 阅读

0 ·

CC 4.0 BY-SA版权

算法实践专栏收录该内容

207 篇文章

订阅专栏

本文介绍了一种使用哈希表和双向链表实现的LRU（最近最少使用）缓存算法。通过这种方式，可以有效地在O(1)时间内完成获取和设置操作，并保持缓存项的访问顺序。

LRU cache算法实现。

数据结构：hashmap 和双向链表

#include <iostream>
#include <list>
#include <unordered_map>
//被注释部分是判断大端小端的代码
//union{
//	short s;
//	char a[sizeof(short)];
//}un;
//
//using namespace std;
//
//int main()
//{
//	un.s = 0x0102;
//	if (sizeof(short) == 2){
//		if (un.a[0] == 1 && un.a[1] == 2)
//			cout << "big endian" << endl;
//		else if (un.a[0] == 2 && un.a[1] == 1)
//			cout << "little endian" << endl;
//	}
//	return 0;
//}

using namespace std;


struct CacheNode{
	int key;
	int value;
	CacheNode(int k, int val) :key(k), value(val){}
};

class LRUCache{
public:
	LRUCache(int capacity) {
		size = capacity;
	}

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

	void set(int key, int value) {
		if (cacheMap.find(key) == cacheMap.end()){
			if (cacheList.size() == size){
				cacheMap.erase(cacheList.back().key);
				cacheList.pop_back();
			}
			CacheNode node(key, value);
			cacheList.push_front(node);
			cacheMap[key] = cacheList.begin();
		}
		else{
			cacheMap[key]->value = value;
			cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
			cacheMap[key] = cacheList.begin();
		}
		
	}
private:
	unordered_map<int, list<CacheNode>::iterator> cacheMap;
	list<CacheNode> cacheList;
	int size;
};