LRU Cache - 技术栈

[一、什么是LRU Cache](#一、什么是LRU Cache)

[二、LRU Cache的实现](#二、LRU Cache的实现)

[三、LRU Cache的OJ](#三、LRU Cache的OJ)

一、什么是LRU Cache

LRU是LeastRecentlyUsed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一一称为Internetl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。

二、LRU Cache的实现

实现LRUCache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）。

三、LRU Cache的OJ

146. LRU 缓存 - 力扣（LeetCode）146. LRU 缓存 - 请你设计并实现一个满足 LRU (最近最少使用) 缓存 $https://baike.baidu.com/item/LRU$ 约束的数据结构。实现 LRUCache 类： * LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存 * int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。 * void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该逐出最久未使用的关键字。函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。示例：输入 $"LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"$ $\[2$ , $1, 1$ , $2, 2$ , $1$ , $3, 3$ , $2$ , $4, 4$ , $1$ , $3$ , $4$ ]输出 $null, null, null, 1, null, -1, null, -1, 3, 4$ 解释LRUCache lRUCache = new LRUCache(2);lRUCache.put(1, 1); // 缓存是 {1=1}lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}lRUCache.get(1); // 返回 1lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}lRUCache.get(2); // 返回 -1 (未找到)lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}lRUCache.get(1); // 返回 -1 (未找到)lRUCache.get(3); // 返回 3lRUCache.get(4); // 返回 4 提示： * 1 <= capacity <= 3000 * 0 <= key <= 10000 * 0 <= value <= 105 * 最多调用 2 * 105 次 get 和 puthttps://leetcode.cn/problems/lru-cache/description/

cpp 复制代码

class LRUCache {
public:

    LRUCache(int capacity) 
        :_capacity(capacity)
    {}
    
    int get(int key) {
        auto ret = _hashMap.find(key);
        if(ret != _hashMap.end())
        {
            // 更新key对于值的位置
            LtIter it = ret->second;
            //1.erase+push_front 更新迭代器,原迭代器失效
            //2.转移节点splice
            _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())
        {
            // 满了,先删除LRU数据
            if(_capacity == _hashMap.size())
            {
                pair<int,int> back = _LRUList.back();
                _hashMap.erase(back.first);
                _LRUList.pop_back();
            }
            _LRUList.push_front(make_pair(key,value));
            _hashMap[key] = _LRUList.begin();
        }
        else
        {
            // 更新key对于值的位置
            LtIter it = ret->second;
            it->second = value;//更新
            
            //1.erase+push_front 更新迭代器,原迭代器失效
            //2.转移节点splice
            _LRUList.splice(_LRUList.begin(),_LRUList,it);
        }
    }
private:
    typedef list<pair<int,int>>::iterator LtIter;
    //hash查找更新是O(1)
    unordered_map<int,LtIter> _hashMap;
    // LRU  假设尾数据就是最近最少用
    list<pair<int,int>> _LRUList;
    size_t _capacity;
};

/**
 * 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);
 */

附录

笔记

2026_10_16_LRU Cache.png · Aurora/HighOrderDataStruct - Gitee.comhttps://gitee.com/Axurea/high-order-data-struct/blob/master/2026_10_16_LRU%20Cache.png