【数据结构与算法】LRU Cache

news2024/11/16 16:48:56

🌠作者：@阿亮joy.
🎆专栏：《数据结构与算法要啸着学》
🎇座右铭：每个优秀的人都有一段沉默的时光，那段时光是付出了很多努力却得不到结果的日子，我们把它叫做扎根

👉LRU Cache👈

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（随机存取存储器），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 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。

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 缓存

splice 函数可以转移链表中的节点

在这里插入图片描述

哈希表能够保证查找和更新 key 值对应的 value 的时间复杂度为 O(1)，也就是能保证 get。那关键点是如何保证 LRU 呢？如果 key 值在哈希表中，那么就 key 值就是最经常访问的值，需要将它放到双向链表的头部（假设双向链表尾部的数据是最近最少用的数据）。因为我们并不知道 key 值在双向链表中的位置，那就无法做到 O(1) 的时间复杂度将 key 值放到链表的头部。那如何解决呢？我们做到的是找到 key 值，就能够找到 key 值在双向链表中的位置。那么我们可以让哈希表存的是 key 值和 key 值在双向链表中的位置（迭代器），双向链表存储是键值对pair<key, value>，这样就能够保证 LRU Cache 了（通过 splice 来调整 key 值在链表中的位置）。

在这里插入图片描述

class LRUCache 
{
public:
    LRUCache(int capacity) 
        : _capacity(capacity)
    {}
    
    int get(int key) 
    {
        auto ret = _hashMap.find(key);
        // 哈希表中有key
        if(ret != _hashMap.end())
        {
            // 更新key的位置
            // 1.erase + push_front 更新迭代器,原迭代器失效
            // 2.splice 将节点转移到头部
            ListIterator it = ret->second;
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
            
            return it->second; 
        }
        else
            return -1;
    }
    
    void put(int key, int value) 
    {
        // 1.新增 2.更新
        auto ret = _hashMap.find(key);
        if(ret == _hashMap.end())   // 哈希表中没有key
        {
            // 满了,先删除最近最少用的数据
            if(_capacity == _hashMap.size())
            {
                pair<int, int> LRUData = _LRUList.back();
                _hashMap.erase(LRUData.first);
                _LRUList.pop_back();
            }
            _LRUList.push_front(make_pair(key, value));
            _hashMap[key] = _LRUList.begin();
        }
        else
        {
            // 更新key对应的值
            ListIterator it = ret->second;
            it->second = value;

            // 更新key对应值的位置
            // 1.erase + push_front 更新迭代器,原迭代器失效
            // 2.splice 将节点转移到头部
            _LRUList.splice(_LRUList.begin(), _LRUList, it);
        }
    }
private:
    typedef list<pair<int, int>>::iterator ListIterator;
    // 哈希表做到查找和更新的时间复杂度为O(1)
    // 哈希表中存的是key和key在_LRUList中的位置(迭代器)
    unordered_map<int, ListIterator> _hashMap;
    // LRU假设链表尾部的数据是最近最少用的数据
    // _LRUList中存储的是键值对pair
    list<pair<int, int>> _LRUList;
    size_t _capacity;   // 容量
};