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。

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。

 

 

 

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) 。

OJ练习：146. LRU 缓存 - 力扣（LeetCode）

大致思路：

我们可以在哈希表中的Val中存链表中结点的指针 ，每次查找或者插入都将这个结点放到链表的头部，如果Cache满了就从链表上尾删。

 

实现代码：

 

class LRUCache {
public:
    LRUCache(int capacity) 
    :_capacity(capacity)
    {
    }
    
    int get(int key) {
        auto ret = _hashMap.find(key);
        if(ret != _hashMap.end())
        {
            LtIter it = ret->second;

            // 我们也可以将这个结点删除后，再头插一个新的，不过要注意迭代器失效问题
            // 这里我们用另一种方法。
            // 直接将该结点放到头节点的前面。

            _LRUList.splice(_LRUList.begin(),_LRUList,it);
            return it->second;
        }
        else
        {
            return -1;
        }
    }
    
    void put(int key, int value) {
        // 选一件：1.新增。2.更新

        auto ret = _hashMap.find(key);
        if(ret != _hashMap.end())  // 说明这个结点本来存在，那么只需要更新
        {
            LtIter it = ret->second;
            it->second = value;  // 更新

            // 然后转移结点
            _LRUList.splice(_LRUList.begin(),_LRUList,it);
        }
        else  // 说明要新增
        {
            // 先看 Cache是否满了, 满了就尾删链表的数据
            if(_LRUList.size() >= _capacity)
            {
                _hashMap.erase(_LRUList.back().first);
                _LRUList.pop_back();
            }

            _LRUList.push_front(make_pair(key,value));
            _hashMap[key] = _LRUList.begin();
        }
    }
private:
    typedef list<pair<int,int>>::iterator LtIter;
    int _capacity;
    unordered_map<int,LtIter> _hashMap;
    list<pair<int,int>> _LRUList;
};