什么是LRU Cache
LRU
是Least Recently Used的缩写,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。
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)。
LRU Cache的OJ
list的splice
接口 ——转移链表中的节点
哈希表 和 双向链表
保证查找和更新 key值对应的value的时间复杂度为O(1), 也就是保证了get,但是不能保证LRU,因为无法从哈希表中知道知道key值在双向链表中的位置,因此无法用O(1)的时间复杂度来将key值放到链表的头部。
我们可以让哈希表中存储key值和key值在双向链表中的位置,因此可以让哈希表中存储key值和key值在双向链表中的位置——迭代器,双向链表存储的是键值对pair<key, value>,这样就可以保证 LRU Cache了。
代码实现:
class LRUCache {
public:
LRUCache(int capacity)
:_capacity(capacity)
{}
int get(int key) {
auto ret = _hashMap.find(key);
if(ret != _hashMap.end())
{
//更新key的位置
// 1. erase + push_front 更新迭代器, 原迭代器失效
// 2. splice 将节点转移到头部
ListIterator it = ret->second;
_LRUList.splice(_LRUList.begin(), _LRUList, it);
return it->second;
}
else return -1;
}
void put(int key, int value) {
// 判断是 1.新增 还是 2. 更新
auto ret = _hashMap.find(key);
if(ret == _hashMap.end()) // 新增数据
{
// 容量已满
if(_capacity == _hashMap.size())
{
pair<int, int> LRUData = _LRUList.back();
_hashMap.erase(LRUData.first);
_LRUList.pop_back();
}
_LRUList.push_front(make_pair(key, value));
_hashMap[key] = _LRUList.begin();
}
else // 更新
{
// 更新key对应的值
ListIterator it = ret->second;
it->second = value;
//更新key对应值的位置——splice 将节点转移到头部
_LRUList.splice(_LRUList.begin(), _LRUList, it);
}
}
private:
typedef list<pair<int, int>>::iterator ListIterator;
//哈希表——查找和更新的时间复杂度为O(1),哈希表中存储的是
//key和key在_LRUList中的位置(迭代器)
unordered_map<int, ListIterator> _hashMap;
list<pair<int,int>> _LRUList;
size_t _capacity; //容量
};