LRU 缓存

题目链接

LRU，即Least-Recently-Used。是一种高速缓存替换策略，是一种缓存机制。主要是利用局部性原理。

局部性原理分两种，空间局部性和时间局部性。

显然，LRU是利用到了时间局部性。

在CSAPP的P434 组相联高速缓存中不命中时的行替换 出现。

题目分析

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。
来源：力扣（LeetCode）

这是一道很优秀的设计问题，而不是关于某个问题的算法。

题目要求你利用相关的知识，设计一个能够简单实现LRU 缓存机制的类。

根据刚刚所说的CSAPP中的背景知识，可以知道要设计出的类：

需要存储每个键值。（put函数插入，get函数查询）
键值对（key，value）需要用哈希表来存储。（O(1) 的平均时间复杂度）

那现在留下的问题就是，如何做到逐出。

队列

首先可以想到，利用队列的先进先出原则。

如果使用了，就将它拿出，再插入到队列中。
队首为最久未使用，队尾为最近使用。

那么如何逐出？拿出怎么做到？这里就遇到了难以删除的问题。

双向链表

所以，下面介绍双向链表的解法。

双向链表可以直接访问到尾部。尾部代表最久未使用。
链表方便插入和删除。
根据键值，利用哈希表能定位到对应的存储节点。

内存泄漏？

双向链表可以利用指向关系做到删除，将节点剔除于链表外。

然而我们在剔除后，对于访问的节点来说，还需要再加到头部节点。而对于没有访问的节点，我们需要真正删除它。

所以代码中有两个delete函数，来避免内存泄漏。

代码

class LRUCache {
private:
    struct DoubleLinkNode {
        int key;
        int value;
        DoubleLinkNode* prev;
        DoubleLinkNode* next;
        DoubleLinkNode(): key(0), value(0), prev(nullptr), next(nullptr) {}
        DoubleLinkNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr){}
    };
    map<int, DoubleLinkNode *> cache;
    DoubleLinkNode* head;
    DoubleLinkNode* tail;
    int capacity;
    int size;

    void addNodeHead(DoubleLinkNode* node)//双向链表头插法
    {
        node->next = head->next;
        node->prev = head;
        head->next->prev = node;
        head->next = node;
    }

    void deleteNode(DoubleLinkNode* node)//剔除尾节点
    {
        node->next->prev = node->prev;
        node->prev->next = node->next;
    }

    void moveNodeHead(DoubleLinkNode* node)
    {
        deleteNode(node);
        addNodeHead(node);
    }

    DoubleLinkNode* deleteTail()//删除尾节点
    {
        DoubleLinkNode* temp = tail->prev;
        deleteNode(temp);
        return temp;
    }
public:
    LRUCache(int capacity) 
    {
        this->capacity = capacity;
        size = 0;

        head = new DoubleLinkNode();
        tail = new DoubleLinkNode();

        head->next = tail;
        tail->prev = head;
    }
    
    int get(int key) 
    {
        if (cache.count(key))
        {
            moveNodeHead(cache[key]);
            return cache[key]->value;
        }else
        {
            return -1;
        }
    }
    
    void put(int key, int value) 
    {
        if (cache.count(key))
        {
            cache[key]->value = value;
            moveNodeHead(cache[key]);
        }else
        {
            DoubleLinkNode* node = new DoubleLinkNode(key, value);
            addNodeHead(node);
            cache[key] = node;
            size += 1;
            
            if (size > capacity)
            {
                DoubleLinkNode* temp = deleteTail();
                cache.erase(temp->key);
                delete temp;//避免内存泄漏
                size -= 1;
            }
        }
    }
};

/**
 * 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);
 */

江水为竭

LRU缓存机制

LRU 缓存

题目分析

队列

双向链表

内存泄漏？

代码