【高阶数据结构】LRU Cache

LuckyRich1

于 2024-08-17 10:05:14 发布

阅读量450

点赞数 30

分类专栏：高阶数据结构文章标签：数据结构 c++ 算法

本文链接：https://blog.csdn.net/fight_p/article/details/140877053

版权

高阶数据结构专栏收录该内容

2 篇文章 0 订阅

订阅专栏

LRU Cache

1.什么是LRU Cache
2.LRU Cache的实现

在这里插入图片描述

点赞👍👍收藏🌟🌟关注💖💖
你的支持是对我最大的鼓励，我们一起努力吧!😃😃

1.什么是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。

在这里插入图片描述

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。

在这里插入图片描述

2.LRU Cache的实现

下面借助oj题来实现。

题目链接：146. LRU 缓存

在这里插入图片描述

LRU Cache最重要的就是两个操作put和get，它要求必须以 O(1) 的平均时间复杂度运行。

还有这道题LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存，超过capacity就满了，实际上可能要按照字节来算。

get就是给一个关键字但是实际上是地址，看这个地址在不在，在的话就是在缓存，然后去缓存在去取这块的数据。

put有两种场景，有可能是新增，有可能是更新，如果关键字在了就是更新，不在就是新增。如果插入的时候导致关键字数量capacity，就把最近最少使用的删除。·

那如何设计出这里的结构呢？

大部分看到put和get涉及查找并且要求O(1)，可能会想到用哈希表。unordered_map<int，int> _hashMap，这样查是O(1)，更新O(1)，新增O(1)。

但是真正要考虑的是LRU，满了删谁。谁是最近最少用的，map能帮查找查是O(1)，更新O(1)，新增O(1)，如何保证LRU？

LRU涉及顺序的问题。那个数据结构可以满足顺序吗？
vector和list都可以。

这里我们用的是list控制LRU，list<pair<int,int>> _LRUlist，如何控制其实很简单，在_LRUlist里面默认认为尾巴的是最近最少使用，只要一个数据被用了就提到队头，如果在插入一个数据满了，就把尾巴上的那个最近最少使用的删除。

在这里插入图片描述

但是unordered_map<int，int> 和 list<pair<int,int>> 结合起来并不是所有操作都能做到O(1)。get查map可以做到O(1)，put新增是O(1)，更新是O(n)，因为我们的数据在map存一份在list存一份，新增map是O(1)，list头插也是O(1)，虽然更新map是O(1)，然后要调整_LRUlist中key的位置到头部，更新顺序，但是我们不知道数据在哪，只能遍历去查，这个就是O(n)。只要访问过的数据都要往队头提！

那怎么做呢？

找到key，就要找到key对于存储数据在list中位置。

unordered_map 的 value给一个list的迭代器。指向对于key存储数据在list中位置，这样查找，新增，更新都是O(1) 都先去unordered_map 查key然后在做对应操作。

在这里插入图片描述

list还有一个接口splice(接合)，可以不用保存值删节点然后重新new插入头，而是直接把节点转移队头。

在这里插入图片描述

class LRUCache 
{
public:
    LRUCache(int capacity) 
        :_capacity(capacity)
    {}

    int get(int key) 
    {
        auto ret = _hashMap.find(key);
        if (ret != _hashMap.end())
        {
            //更新key对应值的位置
            LtIter it = ret->second;
            //1. erase + push_front + 更新迭代器,原迭代器失效
            //2. splice接合，转移节点
            _LRUlist.splice(_LRUlist.begin(), _LRUlist, it);
            return it->second;
        }
        else
        {
            return -1;
        }
    }

    void put(int key, int value) 
    {
        //1.新增
        //2.更新
        auto ret = _hashMap.find(key);
        if (ret == _hashMap.end())
        {
            //满了,先删除LRU的数据
            if (_capacity == _hashMap.size())
            {
                auto back = _LRUlist.back();
                _LRUlist.pop_back();
                _hashMap.erase(back.first);
            }
            //插入
            _LRUlist.push_front(make_pair(key, value));
            _hashMap[key] = _LRUlist.begin();
        }
        else
        {
            //更新key对应值的位置
            LtIter it = ret->second;
            //更新
            it->second = value;
            _LRUlist.splice(_LRUlist.begin(), _LRUlist, it);
        }
    }

private:
    typedef list<pair<int, int>>::iterator LtIter;
    //hash做到查找更新是O(1)
    unordered_map<int, LtIter> _hashMap;

    //LRU 假设尾部数据就是最近最少使用
    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);
 */