1.前言
LRU（Least Recently Used，最近最少使用） 是一种经典的 缓存淘汰算法 ，用于在缓存空间不足时决定哪些数据应被移除。其核心思想是：优先淘汰最长时间未被访问的数据，保留最近被访问的数据。
这里制定的规则是最近最少使用，如果等效为优先级最高，那么其实和RTOS任务切换的最高优先级任务选择的场景是几乎相同的。当然，RTOS中使用了双向链表维护就绪态任务列表数组，并按优先级进行了排序。
2.实现方式
LRU 缓存的核心规则是：
①当访问（get）或插入（put）数据时，将该数据标记为 "最近使用"。
②当缓存满时，新插入数据会淘汰 "最久未被使用" 的数据。
要实现这一规则，需要高效支持两个操作：
①快速查找数据（判断是否存在）。
②快速移动或删除数据（更新 "最近使用" 状态）。
1. 双向链表 + 哈希表（O(1)复杂度）
如上图所示，通过哈希映射来快速定位节点位置，双向链表用于维护节点信息，越接近链表尾部的节点最近使用最少。相关实现涉及的操作如下：
-
访问数据：将节点移到链表头部；
-
淘汰数据：删除链表尾部节点；
-
新增数据：插入链表头部；
-
代码实现
class LRUCache
{
private:
list<pair<int, int>> cache; // 双向链表：key-value
unordered_map<int, list<pair<int, int>>::iterator> map; // key->链表节点指针
int capacity; //缓存的最大容量，超过此容量时需要淘汰数据。public:
LRUCache(int cap) : capacity(cap) {}//根据key查找缓存中的值，若存在则返回值，并将该数据标记为 "最近使用"；若不存在则返回-1。 int get(int key) { if(map.find(key) == map.end()) { return -1; //若不存在，返回-1。 } cache.splice(cache.begin(), cache, map[key]); //移至链表头部（标记最近使用） return map[key]->second; //返回该节点的value } //插入新的key-value，或更新已有key的值，并将其标记为 "最近使用"；若缓存满，则淘汰最久未使用的数据。 void put(int key, int value) { if(map.find(key) != map.end()) //若key已存在 { map[key]->second = value; //更新值 cache.splice(cache.begin(), cache, map[key]); //用splice将节点移到链表头部 return; } if(cache.size() == capacity) // 缓存满，淘汰尾部 { auto last = cache.back(); map.erase(last.first); // 从哈希表删除该节点的key cache.pop_back(); // 从链表删除尾部节点 } // 新数据插入头部 cache.emplace_front(key, value); map[key] = cache.begin(); }};
| 变量 | 类型 | 作用 |
|---|---|---|
cache |
list<pair<int, int>> |
双向链表，存储key-value键值对。链表头部 是 "最近使用" 的数据，尾部是 "最久未使用" 的数据。 |
map |
unordered_map<int, list::iterator> |
哈希表，键为key，值为链表中对应节点的迭代器（指针）。用于快速定位链表中的节点，避免遍历链表。 |
capacity |
int |
缓存的最大容量，超过此容量时需要淘汰数据。 |
3.汽车 ADAS 系统的传感器缓存
在资源有限的嵌入式系统中，优先保留最近使用的传感器数据（如刹车温度），可快速响应紧急事件。
#define CACHE_SIZE 10
typedef struct {
int sensor_id;
float data;
uint32_t last_access;
bool valid; // 增加有效性标志位
} SensorCache;
SensorCache cache[CACHE_SIZE] = {0}; // 初始化全为invalid
// 时间戳获取函数（1us分辨率）
uint32_t get_timestamp()
{
return DWT->CYCCNT / (SystemCoreClock / 1000000);
}
void update_cache(int id, float value)
{
int empty_slot = -1; // 记录可用空槽
int lru_index = -1; // 真实LRU槽位
uint32_t oldest = 0xFFFFFFFF;
// 第一遍扫描：查找匹配和空槽
for(int i=0; i<CACHE_SIZE; i++) {
// 情况1：找到匹配传感器
if(cache[i].valid && cache[i].sensor_id == id)
{
cache[i].data = value;
cache[i].last_access = get_timestamp();
return; // 直接返回
}
// 情况2：记录空槽位置
if(!cache[i].valid)
{
empty_slot = i; // 不break，继续找可能的匹配项
}
}
// 第二遍扫描：仅当无空槽时寻找真实LRU
if(empty_slot == -1)
{
for(int i=0; i<CACHE_SIZE; i++)
{
if(cache[i].valid && cache[i].last_access < oldest)
{
oldest = cache[i].last_access;
lru_index = i;
}
}
}
else
{
lru_index = empty_slot; // 优先使用空槽
}
// 更新缓存
cache[lru_index].sensor_id = id;
cache[lru_index].data = value;
cache[lru_index].last_access = get_timestamp();
cache[lru_index].valid = true; // 标记有效
}