【算法】 LRU Cache

目录

一、什么是LRU Cache

二、LRU Cache的实现

三、 LRU算法的运用场景

---

一、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。

二、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)；但我们要注意的是哈希表val值存储的并不是对应的数据值，而是指向双向链表某一个节点的迭代器，这样子在我们查找数据在链表中某一个节点位置时，就可以直接通过哈希表来定位，并不用遍历链表了：

该链表的实际意义在于我们在插入数据时会使用头插的方法，每当访问和修改时会将访问到的节点提到链表的头部；如此一来最久未被使用过的数据便是链表尾部的节点，当我们使用带头双向循环链表时对节点的时间复杂度为O(1)

下面我们通过一道OJ题来实现一下该算法：

题目地址：146. LRU 缓存 - 力扣（LeetCode）

解题代码： 

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

    int get(int key) {
        auto ret = _hashMap.find(key);
        if (ret != _hashMap.end()) {
            auto it = ret->second;
            // 将访问到的节点插入到链表的头部
            _LRUList.splice(_LRUList.begin(), _LRUList,
                            it); // 使用接合(splice)接口可以避免迭代器失效问题
            return (*it).second;
        } else {
            return -1;
        }
    }

    void put(int key, int value) {
        auto ret = _hashMap.find(key);
        if (ret == _hashMap.end()) {
            if (_hashMap.size() == _capacity) {
                // 逐出最久未使用的关键字
                _hashMap.erase(_LRUList.back().first);
                _LRUList.pop_back();
            }
            _LRUList.push_front(make_pair(key, value));
            _hashMap[key] = _LRUList.begin();
        } else {
            auto it = ret->second;
            it->second = value;
            // 将修改到的节点插入到链表的头部
            _LRUList.splice(_LRUList.begin(), _LRUList,
                            it); // 使用接合(splice)接口可以避免迭代器失效问题
        }
    }

private:
    typedef list<pair<int, int>>::iterator LtIter;
    unordered_map<int, LtIter> _hashMap;
    list<pair<int, int>> _LRUList;

    size_t _capacity;
};

三、 LRU算法的运用场景

LRU算法也可以用于一些实际的应用中，如你要做一个浏览器，或类似于淘宝客户端的应用的就要用到这个原理。大家都知道浏览器在浏览网页的时候会把下载的图片临时保存在本机的一个文件夹里，下次再访问时就会直接从本机临时文件夹里读取。但保存图片的临时文件夹是有一定容量限制的，如果你浏览的网页太多，就会一些你最不常使用的图像删除掉，只保留最近最久使用的一些图片。这时就可以用到LRU算法 了，这时上面算法里的这个特殊的栈就不是保存页面的序号了，而是每个图片的序号或大小；所以上面这个栈的元素都用Object类来表示，这样的话这个栈就可以保存的对像了。