LRU缓存机制
1、题目
原题链接
运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。
获取数据 get(key)- 如果关键字 (key) 存在于缓存中，则获取关键字的值（总是正数），否则返回 -1。写入数据 put(key, value)-如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字/值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。- 你是否可以在
O(1) 时间复杂度内完成这两种操作？
示例:
/* 缓存容量为 2 */
LRUCache cache = new LRUCache(2);
// 你可以把 cache 理解成一个队列
// 假设左边是队头，右边是队尾
// 最近使用的排在队头，久未使用的排在队尾
// 圆括号表示键值对 (key, val)
cache.put(1, 1);
// cache = [(1, 1)]
cache.put(2, 2);
// cache = [(2, 2), (1, 1)]
cache.get(1); // 返回 1
// cache = [(1, 1), (2, 2)]
// 解释：因为最近访问了键 1，所以提前至队头
// 返回键 1 对应的值 1
cache.put(3, 3);
// cache = [(3, 3), (1, 1)]
// 解释：缓存容量已满，需要删除内容空出位置
// 优先删除久未使用的数据，也就是队尾的数据
// 然后把新的数据插入队头
cache.get(2); // 返回 -1 (未找到)
// cache = [(3, 3), (1, 1)]
// 解释：cache 中不存在键为 2 的数据
cache.put(1, 4);
// cache = [(1, 4), (3, 3)]
// 解释：键 1 已存在，把原始值 1 覆盖为 4
// 不要忘了也要将键值对提前到队头
2、思路
什么是 LRU 算法：就是一种缓存淘汰策略。
- 计算机的缓存容量有限，如果缓存满了就要删除一些内容，给新内容腾位置。但问题是，删除哪些内容呢？我们肯定希望删掉哪些没什么用的缓存，而把有用的数据继续留在缓存里，方便之后继续使用。那么，什么样的数据，我们判定为「有用的」的数据呢？
- LRU 缓存淘汰算法就是一种常用策略。
LRU 的全称是 Least Recently Used，也就是说我们认为最近使用过的数据应该是是「有用的」，很久都没用过的数据应该是无用的，内存满了就优先删那些很久没用过的数据。
LRU 算法实际上是让你设计数据结构：
- 首先要接收一个
capacity 参数作为缓存的最大容量，然后实现两个 API， - 一个是
put(key, val)方法存入键值对， - 另一个是
get(key)方法获取 key 对应的 val，如果 key 不存在则返回 -1。
注意哦，get 和 put 方法必须都是 O(1) 的时间复杂度
分析：
哈希表查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢。所以结合一下，形成一种新的数据结构：哈希链表。
- LRU 缓存算法的核心数据结构就是
哈希链表，双向链表和哈希表的结合体。这个数据结构长这样：
“为什么必须要用双向链表”
- 因为我们需要删除操作。删除一个节点不光要得到该节点本身的指针，也需要操作其前驱节点的指针，而双向链表才能支持直接查找前驱，保证操作的时间复杂度
O(1)。
既然哈希表中已经存了 key，为什么链表中还要存键值对呢，只存值不就行了？
- 当缓存容量已满，我们不仅仅要删除最后一个 Node 节点，还要把 map 中映射到该节点的 key 同时删除，而这个 key 只能由 Node 得到。如果 Node 结构中只存储 val，那么我们就无法得知 key 是什么，就无法删除 map 中的键，造成错误。
3、题解
1、get()操作：两种情况
- 访问的 key 不存在，return -1;
- key 存在，
删除原有(key, value)在 cache 中的位置，把(k, v) 换到队头的新位置，更新map中的key对应的位置
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
}
1、push（k,v)操作：两种情况
- 1、
key 已经存在缓存中，删除原有(key, value)在 cache 中的位置，添加（k,v)在头部,更新map中的key对应的位置 - 2、
key 不存在，判断cache是否已满可以细分为两种情况- cache 没满，
cache添加（k,v)在头部,更新map中的key对应的位置 - cache 已满，
删除map中的cache对应的最后位置的元素，删除list尾部的键值对，cache添加（k,v)在头部,更新map中的key对应的位置
- cache 没满，
void put(int key, int value) {
/* 要先判断 key 是否已经存在 */
auto it = map.find(key);
/* 1、key 不存在，判断 cache 是否已满 */
if (it == map.end())
{
// cache 已满，删除尾部的键值对腾位置
if (cache.size() == cap)
{
// 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();
}
}
综合上述得到：
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);
/* key 不存在，判断 cache 是否已满 */
if (it == map.end()) {
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();
}
}
};