LRU Cache

目录

一、认识LRU Cache

二、LRU Cache实现


一、认识LRU Cache

LRU是Least Recently Used的缩写,意思是最近最少使用,是一种Cache替换算法

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其可以实现任意位置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)146. LRU 缓存 - 力扣(LeetCode)icon-default.png?t=N7T8https://leetcode.cn/problems/lru-cache/description/

class LRUCache 
{
public:
    LRUCache(int capacity) :_capacity(capacity) {}
    
    int get(int key) 
    {
        // ret是unordered_map<int, ListIter>::iterator
        auto ret = _hashMap.find(key);
        if(ret != _hashMap.end())
        {
            ListIter it = ret->second;
            //利用splice函数,将_LURList中it指向的元素,插入_LURList.begin()的位置
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
            // it不变,依旧可以使用
            return it->second;
        }
        else return -1;
    }
    
    void put(int key, int value) 
    {
        auto ret = _hashMap.find(key);
        if(ret == _hashMap.end())
        {
            //细节:在某些版本中的list中,size()是通过遍历实现的,效率较低
            if(_capacity == _hashMap.size())
            {
                pair<int, int> back = _LRUList.back();
                _hashMap.erase(back.first);
                _LRUList.pop_back();
            }
            _LRUList.push_front(make_pair(key, value));
            _hashMap[key] = _LRUList.begin();
        }
        else
        {
            ListIter it = ret->second;
            it->second = value;
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
        }
    }
private:
    typedef list<pair<int, int>>::iterator ListIter;
    unordered_map<int, ListIter> _hashMap;
    list<pair<int, int>> _LRUList;
    int _capacity;
};
  • get操作:先通过哈希表查找到该结点 O(1) ,再将该结点移出链表O(1),然后将移出的结点头插到链表中O(1),最后进行返回
  • put操作:若没有数据则进行插入数据,若有数据则进行数据更新。插入数据时,若数据已经达到上限,则删除链表尾的数据和哈希表中的数据,两个删除操作都是O(1)

上述代码中,将使用过的结点移到链表头部时,并没有采用先删除再插入的方法,而是使用了splice方法

该函数可以将元素从一个list转移到另一个list,并且不涉及任何元素的建造或破坏,无论是左值还是右值,也无论是否支持移动构造,都会被转移。这样使得无需多次更新迭代器了

  • 20
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
LRU Cache是一种常见的缓存淘汰策略,LRU代表最近最少使用。在Java中,可以使用不同的方式来实现LRU Cache。 引用\[1\]中的代码展示了一种自定义的LRU Cache实现,使用了一个自定义的LRUCache类,并在main方法中进行了测试。在这个实现中,LRUCache类继承了LinkedHashMap,并重写了removeEldestEntry方法来实现缓存的淘汰策略。 引用\[2\]中的代码展示了另一种自定义的LRU Cache实现,同样使用了一个自定义的LRUCache类,并在main方法中进行了测试。这个实现中,LRUCache类同样继承了LinkedHashMap,并重写了removeEldestEntry方法来实现缓存的淘汰策略。 引用\[3\]中的代码展示了使用ArrayList实现LRU Cache的方式。在这个实现中,LRUCache类使用了一个ArrayList来存储缓存数据,并通过get和put方法来操作缓存。 总结来说,LRU Cache的Java实现可以使用自定义的类继承LinkedHashMap并重写removeEldestEntry方法,或者使用ArrayList来存储缓存数据。具体的实现方式可以根据需求和偏好选择。 #### 引用[.reference_title] - *1* *2* [Java——LRUCache](https://blog.csdn.net/m0_60867520/article/details/128361042)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [LRUCache的Java实现](https://blog.csdn.net/qq_39383118/article/details/103535985)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

GG_Bond20

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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