一篇搞懂什么是LRU缓存｜一篇搞懂LRU缓存的实现

本文主要是介绍一篇搞懂什么是LRU缓存｜一篇搞懂LRU缓存的实现｜LRUCache详解和实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

LRUCache

文章目录

LRUCache
- 前言
- 项目代码仓库
- 什么时候会用到缓存(Cache)
- 缓存满了，怎么办？
- 什么是LRUCache
- LRUCache的实现
- LRUCache对应的OJ题实现
- LRUCache对应的STL风格实现

前言

这里分享我的一些博客专栏，都是干货满满的。

手撕数据结构专栏
高质量博客专栏

项目代码仓库

CPlusPlus-review-main/tree/master/skip_list

什么时候会用到缓存(Cache)

缓存（Cache）通常用于两个速度不同的介质之间，以提高数据访问的速度和效率。这里有几个典型的应用场景：

处理器和内存之间： 处理器（CPU）的运算速度远快于从内存中读取数据的速度。因此，在CPU和内存之间会有多级缓存（L1、L2、甚至L3缓存），用来临时存储即将被CPU使用的数据和指令。这样做可以大幅减少CPU等待数据的时间，提高整体计算效率。

内存和硬盘之间： 内存的访问速度也远快于硬盘（无论是HDD还是SSD）。操作系统会使用一部分内存作为硬盘缓存（有时称为“磁盘缓存”或“缓冲区缓存”），用于临时存储最近访问过的数据和文件。当再次请求这些数据时，可以直接从内存中获得，而不是从较慢的硬盘中读取。

数据库系统中： 数据库管理系统（DBMS）也会使用缓存技术来提高查询速度和数据处理效率。缓存可以存储经常访问的查询结果、数据库索引等信息，从而加速后续相同或相似查询的处理速度。

网络请求： 在网络请求中，缓存也是提高数据访问速度的重要技术。例如，Web浏览器会缓存访问过的网页资源（如HTML文件、图片等），当再次访问这些资源时，可以直接从本地缓存读取，而不需要重新从网络下载。

缓存的关键在于它能够存储一份数据副本，在访问速度较慢的介质之前提供快速访问路径。这样，即使背后的存储介质响应较慢，系统性能也不会受到太大影响。然而，缓存管理（如缓存更新、缓存失效策略等）是实现高效缓存系统的一个挑战。正确和高效地使用缓存可以显著提高系统性能，减少数据处理和响应时间。

缓存满了，怎么办？

缓存空间满了之后，更新数据，我要进去，谁出去呢？

什么是LRUCache

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，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。LRUCache 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。

LRUCache的实现

要设计一个LRUCache不难，要设计一个高效的LRUCache有难度，即：任意操作都是O(1)。

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0(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)。

LRUCache对应的OJ题实现

我们借助一个oj题来讲解。

146. LRU 缓存

class LRUCache {
public:LRUCache(int capacity) {}int get(int key) {}void put(int key, int value) {}
};/*** Your LRUCache object will be instantiated and called as such:* LRUCache* obj = new LRUCache(capacity);* int param_1 = obj->get(key);* obj->put(key,value);*/

首先用一个哈希表，可以保证我们查找是O(1)，那么如何保证LRU？

我们可以用一个链表，我们认为尾巴是最不常用的，如果数据被用了，就弄到头上去，所以尾巴就一定是要被淘汰的数据。

std::unordered_map<int, int> __hash_map;
std::list<std::pair<int, int>> __lru_list;

此时这种设计：

get是O(1)
新增是O(1)
但是更新是O(n)

为什么？因为我们要更新数据，就要找到这个数据，就要遍历链表。

那怎么办？

哈希表里面存链表节点的指针就行了。

std::unordered_map<int, std::list<std::pair<int, int>>::iterator> __hash_map;
std::list<std::pair<int, int>> __lru_list;

题目的实现如下：

#include <unordered_map>
#include <list>
#include <utility>class LRUCache
{
private:std::unordered_map<int, std::list<std::pair<int, int>>::iterator> __hash_map;std::list<std::pair<int, int>> __lru_list;size_t __capacity;public:LRUCache(int capacity): __capacity(capacity) {}int get(int key){auto res = __hash_map.find(key);if (res == __hash_map.end())return -1;// 更新链表节点位置auto it = res->second;/*方法一: erase + push_front注意记得erase之后更新迭代器，防止迭代器失效方法二：转移节点的接口，stl::list提供了*/__lru_list.splice(__lru_list.begin(), __lru_list, it);return it->second;}void put(int key, int value){// 1. 新增 2. 更新auto res = __hash_map.find(key);if (res == __hash_map.end()){// 新增，如果满了，先删除数据/*这里用哈希表求size比较细节，这里一定是O(1)但是list有些版本下入过没有维护size这个字段，求一次size()就是O(n)了*/if (__capacity == __hash_map.size()){std::pair<int, int> back = __lru_list.back();__hash_map.erase(back.first);__lru_list.pop_back();}// 加入数据__lru_list.push_front(std::make_pair(key, value));__hash_map[key] = __lru_list.begin();}else{// 更新auto it = res->second;it->second = value; // 更新__lru_list.splice(__lru_list.begin(), __lru_list, it);}}
};

LRUCache对应的STL风格实现

同时我也实现了一个stl模式的类模版，实现也非常简单，也欢迎大家补充。


#include <unordered_map>
#include <list>
#include <utility>template <class key_type, class value_type, size_t CAPACITY = 10>
class LRUCache
{
private:std::unordered_map<key_type, typename std::list<std::pair<key_type, value_type>>::iterator> __hash_map;std::list<std::pair<key_type, value_type>> __lru_list;size_t __capacity = CAPACITY;public:LRUCache() {}value_type get(key_type key){auto res = __hash_map.find(key);if (res == __hash_map.end())return -1;// 更新链表节点位置auto it = res->second;__lru_list.splice(__lru_list.begin(), __lru_list, it);return it->second;}void put(key_type key, value_type value){// 1. 新增 2. 更新auto res = __hash_map.find(key);if (res == __hash_map.end()){if (__capacity == __hash_map.size()){auto back = __lru_list.back();__hash_map.erase(back.first);__lru_list.pop_back();}// 加入数据__lru_list.push_front(std::make_pair(key, value));__hash_map[key] = __lru_list.begin();}else{// 更新auto it = res->second;it->second = value; // 更新__lru_list.splice(__lru_list.begin(), __lru_list, it);}}public:void clear(){__hash_map.clear();__lru_list.clear();}size_t size() { return __hash_map.size(); }bool empty() { return this->size() == 0; }
};