LRU Cache

本文详细介绍了如何设计和实现Least Recently Used (LRU)缓存数据结构,包括支持get和set操作的高效实现。通过使用哈希表和双向链表结合的方式,确保查找、插入和删除操作的高效性。

题目146:LRU Cache

题目描述:
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.

题目分析:
设计数据结构实现LRU,支持get和set操作,尽可能高效地操作。看get和set操作的定义,实际上是支持3个操作,查找、插入、删除,查找快自然是哈希表,插入和删除快自然是链表,如果是单链表每次插入删除都需要找到该链表的前驱,所以我们采用双向链表(因为双向链表保存要删除结点的前驱pre,不再需要查找获取前驱)。
链表结点保存的内容自然有:pre、next、key、val。

现在,数据结构我们确定了,那怎么对数据结构进行操作来支持get和set呢?

get操作
1. 如果哈希表中没有查找的key,则返回-1;
2. 如果哈希表中找到key,则首先将该结点移动到双向链表的尾部,改变哈希表中对于的指针,再将该结点的值val返回;
set操作
1. 如果哈希表中有查找的结点,则直接修改结点的val值,再将该结点移动到双向链表的尾部;
2. 如果哈希表中没有要查找的结点,则先判断缓存空间是否足够,如果缓存空间足够,则创建新结点并插入双向链表尾部,添加到哈希表中;如果缓存空间不足,则从双向链表头部删除结点后,并从哈希表中删除该结点,再创建新结点并插入双向链表尾部;

好了,过程清晰了,写代码时注意一些特殊的边界情况。
代码如下:

/* 链表结点结构体 */
struct Node {
    Node *pre;
    Node *next;
    int val;
    int key;
    Node(int k, int v): pre(NULL), next(NULL), key(k), val(v){};
};
class LRUCache{
private:
    map<int, Node *> mp;
    int cap;
    Node *tail; /* 头指针指向双向链表头 */
    Node *head; /* 尾指针指向双向链表尾 */
public:
    LRUCache(int capacity) {
        cap = capacity;
        /* clear()将map容器中的都删除 */
        mp.clear();
        head = 0;
        tail = 0;
    }
    /* 都是在双向链表尾部插入 */
    void InsertTail(Node *node) {
        if (head == 0) {
            head = node;
            tail = node;
        } else {
            tail->next = node;
            node->pre = tail;
            tail = node;
        }
    }
    /* 移动结点都是移动到双向链表尾部 */
    void MoveTail(Node *node) {
        if (node == tail)
            return;
        else {
            if (node == head) {
                node->next->pre = 0;
                head = node->next;
                tail->next = node;
                node->pre = tail;
                tail = node;
            } else {
                node->next->pre = node->pre;
                node->pre->next = node->next;
                tail->next = node;
                node->pre = tail;
                tail = node;
            }
            /* 新的尾结点next是空 */
            node->next = 0;
        }
    }
    /* 从双向链表的头部删除结点 */
    void RemoveHead(Node *node) {
        Node *del = head;
        head = head->next;
        /* 释放结点占的空间 */
        delete del;
        if (head)
            head->pre = 0;
        else 
            tail = 0;
    }

    int get(int key) {
        if (mp.find(key) == mp.end())
            return -1;
        else {
            Node *temp = mp[key];
            MoveTail(temp);
            return temp->val;
        }
    }

    void set(int key, int value) {
        if (mp.find(key) == mp.end()) {
            if (mp.size() == cap) {
                /* 从map容器中删除一个结点对 */
                mp.erase(head->key);
                RemoveHead(head);
            }
            Node *node = new Node(key, value);
            mp[key] = node;
            InsertTail(node);
        } else {
            MoveTail(mp[key]);
            mp[key]->val = value;
        }
    }
};

其中:
1. 类中private成员可被类的成员函数和友元函数访问;
2. map是STL关联容器的一种,内部实现是红黑树,支持mp[key],下标访问。
3. map中插入< key, val>对的方法有3种:
(1)map.insert(pair< int, int>(1, 22));
(2)map.insert(map< int, int>::value_type(1, 22));
(3)map[1] = 22;
当map已经有该key时,采用(1)和(2)的方式,则不能插入数据,但采用(3)的方式可以覆盖原来的值。
3. map.clear(),删除map容器中的所有元素;
4. map.erase(),从map中删除元素,可以删除一个元素,如map.erase(key),或map.erase(iter),iter是迭代器;也可以删除多个元素,map.erase(iter1, iter2),一段范围;

参考:
http://yucoding.blogspot.com/2013/12/leetcode-question-lru-cache.html
http://www.cnblogs.com/TenosDoIt/p/3417157.html

<think>好的,用户想了解LRU缓存的工作原理和实现方法。首,我需要回忆LRU的基本概念,确定LRU是Least Recently Used的缩写,即最近最少使用算法,常用于缓存淘汰策略。接下来,工作原理部分需要解释当缓存容量满时,如何选择最久未被访问的数据进行淘汰。这里可能需要结合数据结构,比如哈希表和双向链表,来说明如何高效地实现访问顺序的维护。 然后是具体实现方法。常见的实现方式确实是用哈希表加双向链表。哈希表用于快速定位节点,双向链表则维护访问顺序。最近访问的节点移到链表头部,最久未使用的在尾部。当插入新数据时,如果缓存已满,就删除尾部节点。这部分需要详细说明每个操作的步骤,比如访问、插入、删除等,以及它们的时间复杂度。 可能还需要提到其他实现方式,比如使用OrderedDict的数据结构,这在Python中确实存在,可以简化实现。但如果是其他语言,可能需要自己构建双向链表和哈希表。这部分可以作为不同实现方法的补充说明。 接下来,用户可能关心LRU的应用场景,比如数据库缓存、页面置换算法等,但用户的问题主要集中在实现和工作原理,所以这部分可能不需要深入,但可以作为相关问题提出。 然后,根据用户提供的引用,我需要检查是否有相关引用可以支持回答。但查看用户提供的引用内容,引用1是关于流处理和响应式编程的库,引用2是机器学习在GPU集群调度的应用,引用3是Go语言编译工具,似乎和LRU缓存没有直接关联。因此,可能无法直接引用这些内容,需要忽略引用部分,或者寻找间接关联点,但可能不太相关。 在生成相关问题的时候,需要考虑用户可能进一步想了解的内容,比如LRU的变种、时间复杂度分析、实际应用中的挑战、与其他算法比较等。例如,如何保证O(1)时间复杂度,如何处理并发访问,LRU的缺点以及改进算法如LRU-K等。 最后,代码示例部分需要确保正确性。Python中使用OrderedDict是一个典型的实现方式,每次访问时移动键到最新位置,插入时检查容量并弹出最久未使用的项。需要确保代码示例简洁,并且注释清晰,方便用户理解。 总结整个思考过程,需要将LRU的工作原理和实现方法清晰地分点解释,结合数据结构和操作步骤,给出代码示例,并生成相关问题,引导用户深入理解。同时注意用户提到的系统级指令,如数学公式的正确格式,但LRU内容可能较少涉及数学公式,所以主要关注代码块和结构。</think>### LRU缓存实现原理 LRU(Least Recently Used)缓存淘汰策略基于"最近最少使用"原则,当缓存容量满时淘汰最久未被访问的数据。其核心数据结构组合为: 1. **哈希表**:实现$O(1)$时间复杂度的键值查询 2. **双向链表**:维护键的访问顺序,最近访问的节点靠近头部 ### 操作过程 1. **访问数据**: - 通过哈希表定位节点 - 将节点移动到链表头部(表示最近使用) - 时间复杂度:$O(1)$ 2. **插入数据**: ```python if 键已存在: 更新值并移动节点到链表头部 else: 创建新节点并添加到链表头部 if 缓存已满: 删除链表尾部节点 从哈希表删除对应键 ``` ### Python实现示例 ```python from collections import OrderedDict class LRUCache: def __init__(self, capacity: int): self.cache = OrderedDict() self.capacity = capacity def get(self, key: int) -> int: if key not in self.cache: return -1 self.cache.move_to_end(key) return self.cache[key] def put(self, key: int, value: int) -> None: if key in self.cache: self.cache.move_to_end(key) self.cache[key] = value if len(self.cache) > self.capacity: self.cache.popitem(last=False) ``` ### 性能特征 - **时间复杂度**:所有操作保持$O(1)$ - **空间复杂度**:$O(n)$,n为缓存容量 - **适用场景**:符合局部性原理的访问模式,如数据库缓存、CDN缓存等[^1]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值