什么是LRU算法?
LRU算法又称最近最少使用算法,根据时间局部性原理,近期使用的数据,在未来也有可能被使用。而LRU的基本思想是长期不被使用的数据,在未来被用到的几率也不大,所以当新的数据进来时我们可以优先把这些数据替换掉。
那么我们可以使用哈希表加双向链表的方法,创建一个哈希map,map的key我们保存为相应的key,value保存为pair<key, val>的节点,这样查询和新加入数据的时间复杂度都为O(1),详情见下面代码
struct DLinkedNode{
int key{};
int val{};
DLinkedNode* prev;
DLinkedNode* next;
DLinkedNode():key(0), val(0), prev(nullptr), next(nullptr){}
DLinkedNode(int _key, int _val):key(_key), val(_val), prev(nullptr), next(nullptr){}
};
class LRUCache {
public:
LRUCache(int _capacity):capacity(_capacity), size(0) {
head = new DLinkedNode;
tail = new DLinkedNode;
head->next = tail;
tail->prev = head;
}
int get(int key) {
if (!cache.count(key))// 如果cache里没有命中key,返回-1
return -1;
moveToHead(cache[key]);// 如果命中,移动到cache头
return cache[key]->val;// 返回key对应的value
}
void put(int key, int value) {
if (!cache.count(key)) {// cache里没有命中key,新舔加<key, value>
if (size == capacity) {// 如果链表满了,删除尾节点
DLinkedNode* node = removeTail();// 删除尾节点
--size;// 链表大小减1
cache.erase(node->key);// 删除已移除尾节点的对应的key,value
delete node;// 清理已移除尾节点的空间
}
// 链表没满,正常添加节点
DLinkedNode* node = new DLinkedNode(key, value);
cache[key] = node;
addToHead(node);
++size;
}else{// cache命中,直接修改cache里key对应的value值
DLinkedNode* node = cache[key];
node->val = value;
moveToHead(node);// 将刚使用过的节点移动到头节点
}
}
void removeNode(DLinkedNode* node) {// 删除节点
node->prev->next = node->next;
node->next->prev = node->prev;
}
void addToHead(DLinkedNode* node) {// 将节点添加到链表头
node->next = head->next;
node->prev = head;
head->next->prev = node;
head->next = node;
}
void moveToHead(DLinkedNode* node) {// 将节点移动到链表头
removeNode(node);
addToHead(node);
}
DLinkedNode* removeTail() {// 删除尾节点
DLinkedNode* node = tail->prev;
removeNode(node);
return node;
}
private:
unordered_map<int, DLinkedNode*> cache;
int size{};// 当前cache大小
int capacity{};// cache总容量
DLinkedNode* tail;// 虚拟尾节点
DLinkedNode* head;// 虚拟头结点
};