之前写过一篇关于LRU缓存淘汰策略的博客,那时候还在俄罗斯。在面试深信服的时候面试官有问到,面试官特别的nice,虽然好多问题没有答上来,但是从面试官那里学到不少的东西。今天再总结下LRU
首先是写LRU缓存淘汰策略的逻辑。
LRU缓存淘汰策略分为访问和新建两个方面
访问:如果最近有访问直接把它提到最前面。
新建:新建的时候应该考虑到两个方面
(1)程序是新打开的之前没有打开过这个时候需要判断存放缓存的容器是否已满,如果满了的话就需要把最后一个缓存删掉。
。如果没有满的话直接插入就可以
(2)程序之前打开过,再次打开,这个时候只需要把这个程序的缓存调到最前面即可。
LRU缓存淘汰策略实现的数据结构是哈希表加双向链表。
原因:
哈希表的查找速度比较快,双向链表的插入和删除速度比较快。把两者结合起来使用,时间复杂度位o(1)
具体代码如下
class LRUCache {
private:
int cap;
// 双链表:装着 (key, value) 元组
list<pair<int, int>> cache;
// 哈希表:key 映射到 (key, value) 在 cache 中的位置
unordered_map<int, list<pair<int, int>>::iterator> map;
public:
LRUCache(int capacity) {
this->cap = capacity;
}
int get(int key) {
auto it = map.find(key);
// 访问的 key 不存在
if (it == map.end()) return -1;
// key 存在,把 (k, v) 换到队头
pair<int, int> kv = *map[key];
cache.erase(map[key]);
cache.push_front(kv);
// 更新 (key, value) 在 cache 中的位置
map[key] = cache.begin();
return kv.second; // value
}
void put(int key, int value) {
/* 要先判断 key 是否已经存在 */
auto it = map.find(key);
if (it == map.end()) {
/* key 不存在,判断 cache 是否已满 */
if (cache.size() == cap) {
// cache 已满,删除尾部的键值对腾位置
// cache 和 map 中的数据都要删除
auto lastPair = cache.back();
int lastKey = lastPair.first;
map.erase(lastKey);
cache.pop_back();
}
// cache 没满,可以直接添加
cache.push_front(make_pair(key, value));
map[key] = cache.begin();
} else {
/* key 存在,更改 value 并换到队头 */
cache.erase(map[key]);
cache.push_front(make_pair(key, value));
map[key] = cache.begin();
}
}
};