LRU Cache 实现

最新推荐文章于 2025-03-02 13:46:03 发布

dancingrain

最新推荐文章于 2025-03-02 13:46:03 发布

阅读量9.9k

点赞数

分类专栏： C++语言算法与数据结构笔试面试

本文链接：https://blog.csdn.net/doufei_ccst/article/details/23094987

版权

C++语言同时被 3 个专栏收录

35 篇文章

订阅专栏

算法与数据结构

34 篇文章

订阅专栏

笔试面试

12 篇文章

订阅专栏

本文介绍了LRU Cache的设计与实现，包括LRU的基本原理、简单的链表实现及其优缺点。此外，还讨论了LRU-K算法，作为LRU的改进版，旨在解决缓存污染问题。最后，提供了使用map+list实现LRU Cache的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

LRU Cache实现

LeetCode上有着样一道题目：

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.

首先我觉得这个题目很有意思，能够自己实现一个操作系统中的算法本身就是比较有意思的事情，同时又能够复习一下操作系统的知识，何乐而不为呢。

先来从实现的角度简单复习一下操作系统中的LRU算法吧：

原理

LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。

实现

最常见的实现是使用一个链表保存缓存数据，详细算法实现如下：

1. 新数据插入到链表头部；

2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；

3. 当链表满的时候，将链表尾部的数据丢弃。

分析

【命中率】

当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操作会导致LRU命中率急剧下降，缓存污染情况比较严重。

【复杂度】

实现简单。

【代价】

命中时需要遍历链表，找到命中的数据块索引，然后需要将数据移到头部。

LRU-K

原理

LRU-K中的K代表最近使用的次数，因此LRU可以认为是LRU-1。LRU-K的主要目的是为了解决LRU算法“缓存污染”的问题，其核心思想是将“最近使用过1次”的判断标准扩展为“最近使用过K次”。

实现

相比LRU，LRU-K需要多维护一个队列，用于记录所有缓存数据被访问的历史。只有当数据的访问次数达到K次的时候，才将数据放入缓存。当需要淘汰数据时，LRU-K会淘汰第K次访问时间距当前时间最大的数据。详细实现如下：

1. 数据第一次被访问，加入到访问历史列表；

2. 如果数据在访问历史列表里后没有达到K次访问，则按照一定规则（FIFO，LRU）淘汰；

3. 当访问历史队列中的数据访问次数达到K次后，将数据索引从历史队列删除，将数据移到缓存队列中，并缓存此数据，缓存队列重新按照时间排序；

4. 缓存数据队列中被再次访问后，重新排序；

5. 需要淘汰数据时，淘汰缓存队列中排在末尾的数据，即：淘汰“倒数第K次访问离现在最久”的数据。

OK，针对本题目，我们给出一段简单的实现代码，在下面的代码中我们使用map+list的方式来实现，其复杂度是O(logN)

其实，也就是使用红黑树+双向链表的方式来实现，map相当于一个红黑树，用来负责查找一块Cashe是否已经在内存中，

而list相当于一个双向链表，能够方便地插入和删除某个元素。我们可以发现，map的查找效率是O(logN)，list插入删除的

效率是O(1),因此总体的复杂度是O(logN). 好了下面上代码：

通过LeetCode，如有错误之处还请大家指正，从通学习进步：

#include <iostream>
#include <map>
#include <list>
#include <utility>
using namespace std;

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

	int get(int key) {
		int retValue = -1 ;
		map<int, list<pair<int, int> > :: iterator> ::iterator it = cachesMap.find(key) ;

		 //如果在Cashe中，将记录移动到链表的最前端
		if (it != cachesMap.end())
		{
			retValue = it ->second->second ;
			//移动到最前端
			list<pair<int, int> > :: iterator ptrPair = it -> second ;
			pair<int, int> tmpPair = *ptrPair ;
			caches.erase(ptrPair) ;
			caches.push_front(tmpPair) ;

			//修改map中的值
			cachesMap[key] = caches.begin() ;
		}
		return retValue ;

		
	}

	void set(int key, int value) {

		map<int, list<pair<int, int> > :: iterator> ::iterator it = cachesMap.find(key) ;

		if (it != cachesMap.end()) //已经存在其中
		{
			 list<pair<int, int> > :: iterator ptrPait = it ->second ;
			ptrPait->second = value ;
			//移动到最前面
			pair<int , int > tmpPair = *ptrPait ;
			caches.erase(ptrPait) ;
			caches.push_front(tmpPair) ;

			//更新map
			cachesMap[key] = caches.begin() ;
		}
		else //不存在其中
		{
			pair<int , int > tmpPair = make_pair(key, value) ;

			if (m_capacity == caches.size()) //已经满
			{
				int delKey = caches.back().first ;
				caches.pop_back() ; //删除最后一个

				//删除在map中的相应项
				map<int, list<pair<int, int> > :: iterator> ::iterator delIt = cachesMap.find(delKey) ;
				cachesMap.erase(delIt) ;
			}

			caches.push_front(tmpPair) ;
			cachesMap[key] = caches.begin() ; //更新map
		}
	}

private:
	int m_capacity ;																		//cashe的大小
	list<pair<int, int> > caches ;													//用一个双链表存储cashe的内容
	map< int, list<pair<int, int> > :: iterator> cachesMap ;			//使用map加快查找的速度
};

int main(int argc, char **argv)
{
	LRUCache s(2) ;
	s.set(2, 1) ;
	s.set(1, 1) ;
	cout << s.get(2) << endl;
	s.set(4, 1) ;
	cout << s.get(1) << endl;
	cout << s.get(2) << endl;
	return 0 ;
}

其实，我们可以发现，主要的耗时操作就是查找，因此，我们可以使用hash_map来代替map,因此时间复杂度可以降低到O(1),
下面是我在VS2008上编译通过的代码，但由于LeetCode后台是G++的缘故，没有提交成功，不过我个人感觉把代码贴上还是很有帮助的：
如有不妥之处，还请大家批评指正，共同学习进步：

#include <iostream>
#include <hash_map>
#include <list>
#include <utility>
using namespace std;
using namespace stdext;

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


	int get(int key) {
		int retValue = -1 ;
		hash_map<int, list<pair<int, int> > :: iterator> ::iterator it = cachesMap.find(key) ;


		//如果在Cashe中，将记录移动到链表的最前端
		if (it != cachesMap.end())
		{
			retValue = it ->second->second ;
			//移动到最前端
			list<pair<int, int> > :: iterator ptrPair = it -> second ;
			pair<int, int> tmpPair = *ptrPair ;
			caches.erase(ptrPair) ;
			caches.push_front(tmpPair) ;


			//修改map中的值
			cachesMap[key] = caches.begin() ;
		}
		return retValue ;



	}


	void set(int key, int value) {


		hash_map<int, list<pair<int, int> > :: iterator> ::iterator it = cachesMap.find(key) ;


		if (it != cachesMap.end()) //已经存在其中
		{
			list<pair<int, int> > :: iterator ptrPait = it ->second ;
			ptrPait->second = value ;
			//移动到最前面
			pair<int , int > tmpPair = *ptrPait ;
			caches.erase(ptrPait) ;
			caches.push_front(tmpPair) ;


			//更新map
			cachesMap[key] = caches.begin() ;
		}
		else //不存在其中
		{
			pair<int , int > tmpPair = make_pair(key, value) ;


			if (m_capacity == caches.size()) //已经满
			{
				int delKey = caches.back().first ;
				caches.pop_back() ; //删除最后一个


				//删除在map中的相应项
				hash_map<int, list<pair<int, int> > :: iterator> ::iterator delIt = cachesMap.find(delKey) ;
				cachesMap.erase(delIt) ;
			}


			caches.push_front(tmpPair) ;
			cachesMap[key] = caches.begin() ; //更新map
		}
	}


private:
	int m_capacity ;																		//cashe的大小
	list<pair<int, int> > caches ;													//用一个双链表存储cashe的内容
	hash_map< int, list<pair<int, int> > :: iterator> cachesMap ;			//使用map加快查找的速度
};


int main(int argc, char **argv)
{
	LRUCache s(2) ;
	s.set(2, 1) ;
	s.set(1, 1) ;
	cout << s.get(2) << endl;
	s.set(4, 1) ;
	cout << s.get(1) << endl;
	cout << s.get(2) << endl;
	return 0 ;
}