【高阶数据结构】LRU Cache -- 详解

简介: 【高阶数据结构】LRU Cache -- 详解

一、什么是 LRU Cache

LRU(Least Recently Used),意思是最近最少使用,它是一种 Cache 替换算法。


什么是 Cache?
  • 狭义的 Cache 指的是位于 CPU 和主存间的快速 RAM,通常它不像系统主存那样使用 DRAM 技术,而使用昂贵但较快速的 SRAM 技术。
  • 广义上的 Cache 指的是位于速度相差较大的两种硬件之间,用于协调两者数据传输速度差异的结构。

除了 CPU 与主存之间有 Cache, 内存与硬盘之间也有 Cache,乃至在硬盘与网络之间也有某种意义上的 Cache ── 称为 Internet 临时文件夹或网络内容缓存等。


Cache 的容量有限,因此当 Cache 的容量用完后,而又有新的内容需要添加进来时,就需要挑选并舍弃原有的部分内容,从而腾出空间来放新内容。

LRU Cache 的替换原则就是将最近最少使用的内容替换掉。其实,LRU 译成最久未使用会更形象, 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容。


二、LRU Cache 的实现

实现 LRU Cache 的方法和思路很多,但是要保持高效实现 O(1) 的 put 和 get,那么使用双向链表和哈希表的搭配是最高效和经典的。

使用双向链表是因为双向链表可以实现任意位置 O(1) 的插入和删除,使用哈希表是因为哈希表的增删查改也是 O(1)。


力扣对应题目链接:146. LRU 缓存 - 力扣(LeetCode)

class LRUCache {
public:
    LRUCache(int capacity)
        : _capacity(capacity)
    {}
    
    int get(int key) {
        auto res=_hashMap.find(key);
        if(res!=_hashMap.end())
        {
            LtIter it=res->second;
 
            // 1.erase+push_front 更新迭代器,原迭代器失效
            // 2.splice转移节点
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
            return it->second;
        }
        else return -1;
    }
    
    void put(int key, int value) {
        auto res=_hashMap.find(key);
        if(res==_hashMap.end())
        {
            // 1. 新增
            // 1.1 满了,先删除LRU的数据(_LRUList.size()是O(N))
            if(_capacity==_hashMap.size())
            {
                pair<int, int> back=_LRUList.back();
                _LRUList.pop_back();
                _hashMap.erase(back.first);
            }
            // 2. 更新
            _LRUList.push_front(make_pair(key, value));
            _hashMap[key]=_LRUList.begin();
        }
        else
        {
            // 2. 更新
            LtIter it=res->second;
            it->second=value;
            // 1.erase+push_front 更新迭代器,原迭代器失效
            // 2.splice转移节点
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
        }
    }
 
private:
    typedef list<pair<int, int>>::iterator LtIter;
    
    unordered_map<int, LtIter> _hashMap;
 
    list<pair<int, int>> _LRUList;
    size_t _capacity;
};
 
/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache* obj = new LRUCache(capacity);
 * int param_1 = obj->get(key);
 * obj->put(key,value);
 */


相关文章
|
24天前
|
存储 NoSQL 算法
【高阶数据结构】跳表 -- 详解
【高阶数据结构】跳表 -- 详解
|
24天前
|
存储 算法 关系型数据库
【高阶数据结构】 B树 -- 详解
【高阶数据结构】 B树 -- 详解
|
24天前
|
算法
【高阶数据结构】图 -- 详解(下)
【高阶数据结构】图 -- 详解(下)
|
24天前
|
存储
【高阶数据结构】图 -- 详解(上)
【高阶数据结构】图 -- 详解(上)
|
24天前
|
存储
【高阶数据结构】并查集 -- 详解
【高阶数据结构】并查集 -- 详解
|
11月前
|
存储 缓存 算法
【数据结构】——LRU Cache
LRU缓存的原理及实现
|
11月前
|
存储 人工智能 算法
【高阶数据结构】B树
B树、B+树和B*树的原理及其功能。
|
11月前
|
存储 NoSQL 算法
【高阶数据结构】跳表
跳表的原理及其模拟实现
|
11月前
|
存储
|
4天前
|
存储 算法 调度
数据结构与算法-栈篇
数据结构与算法-栈篇
12 3