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 的 OJ
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)。
class LRUCache {
public:
LRUCache(int capacity)
{
_capacity = capacity;
}
int get(int key) {
auto hashit = _hashmap.find(key);
// 如果找到了
if (hashit != _hashmap.end()) {
auto listit = hashit->second;
pair<int, int> kv = *listit;
// LRU更新过程:
// 将指向这个元素的迭代器删除,将更新后的元素插入 _list 头部
// 同时 _hashmap 中更新 这个元素的迭代器
_list.erase(listit);
_list.push_front(kv);
_hashmap[key] = _list.begin();
return kv.second;
}
else {
return -1;
}
}
void put(int key, int value) {
auto hashit = _hashmap.find(key);
if (hashit == _hashmap.end()) {
// 如果此时 Cache 满了
if (_list.size() >= _capacity) {
// LRU更新过程:
// 将指向这个元素的迭代器从 _hashmap 中删除
// 同时这个元素将会从 _list 中删除 (尾删 _list)
_hashmap.erase(_list.back().first);
_list.pop_back();
}
_list.push_front(make_pair(key, value));
_hashmap[key] = _list.begin();
}
else {
auto listit = hashit->second;
pair<int, int> kv = *listit;
kv.second = value;
_list.erase(listit);
_list.push_front(kv);
_hashmap[key] = _list.begin();
}
}
private:
// 存放键值对的数据结构:双向链表
list<pair<int, int>> _list;
// Cache容量
size_t _capacity;
// 为了提高搜索效率的数据结构:哈希表
// _list的迭代器存入哈希表中,使得寻找_list某个元素的效率达到O(1)
unordered_map<int, list<pair<int, int>>::iterator> _hashmap;
};
// 在 _list 中,最新或者最常用的数据存放在[头部],每次查询或存入都会引起一次 _list 更新
// 这样的话,Cache需要清理的时候,只需要把 _list [尾部]的数据清理即可