LRU Cache【理论讲解 + 代码实现】

📖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是指位于CPU和主存之间的快速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临时文件或网络内容缓存等.

📖2. 为什么需要LRU算法？

Cache的容量有限，因此当Cache的容量用完后（其实它不会真的用完，会有一个水位线，如果剩余容量低于这个水位线就需要执行LRU算法），而又有新的内容要添加进来时，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近没使用过的内容.

📖3. 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).

LRU设计要求：

LRU算法分析过程：

最终实现代码：

class LRUCache {
    using Lter = list<pair<int, int>>::iterator;
public:
    LRUCache(int capacity)
        :_capacity(capacity)
    {}
    
    int get(int key) 
    {
        auto ret = _hashMap.find(key);
        if(ret != _hashMap.end())
        {
            //找到了
            Lter it = ret->second; //拿到了指向链表的迭代器
            _LRUList.splice(_LRUList.begin(), _LRUList, it);

            return it->second;
        }

        return -1;
    }
    
    void put(int key, int value) 
    {
        auto ret = _hashMap.find(key); 
        if(ret != _hashMap.end())
        {
            //修改value值即可
            Lter it = ret->second;  //拿到链表迭代器
            it->second = value;

            //将当前key节点移至链表开头
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
        }
        else
        {
            //检查容量
            if(_hashMap.size() == _capacity)
            {
                pair<int, int> back = _LRUList.back();
                _LRUList.pop_back();
                _hashMap.erase(back.first);
            }

            //添加key-value对
            _LRUList.push_front({key, value});
            _hashMap[key] = _LRUList.begin();
        }
    }

private:
    unordered_map<int, Lter> _hashMap;
    list<pair<int, int>> _LRUList;
    int _capacity;
};