商城首页欢迎来到中国正版软件门户

您的位置:首页 >C++实现LRU缓存算法详解

C++实现LRU缓存算法详解

  发布于2025-10-22 阅读(0)

扫一扫,手机访问

LRU缓存通过哈希表和双向链表实现,get和put操作均O(1):访问时移至链表头,满时删尾部节点。

c++怎么实现一个LRU缓存淘汰算法_c++最近最少使用缓存机制实现

实现一个LRU(Least Recently Used)缓存淘汰算法,核心是结合哈希表和双向链表,做到查询和更新都在 O(1) 时间完成。C++ 中可以通过 unordered_map 和自定义的双向链表节点来高效实现。

基本思路

LRU 缓存需要满足:

  • 访问某个键时,它变为“最近使用”
  • 当缓存满时,淘汰最久未使用的项
  • get 和 put 操作都需在 O(1) 完成

为此,我们使用:

  • unordered_map:快速查找 key 是否存在,以及对应节点位置
  • 双向链表:维护使用顺序,头结点是最新的,尾结点是最老的

数据结构设计

定义双向链表节点和缓存类框架:

struct Node {
    int key, value;
    Node* prev;
    Node* next;
    Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}
};

缓存类包含:

  • 容量 capacity
  • 当前大小 size
  • 哈希表 map
  • 伪头部和伪尾部简化边界处理

关键操作实现

封装两个辅助函数:

void removeNode(Node* node) {
    node->prev->next = node->next;
    node->next->prev = node->prev;
}

void addToHead(Node* node) { node->prev = head; node->next = head->next; head->next->prev = node; head->next = node; }

get 操作逻辑:

  • 查 map 是否存在 key
  • 不存在返回 -1
  • 存在则将其移到链表头部(表示最近使用),并返回值

put 操作逻辑:

  • 如果 key 已存在,更新值并移到头部
  • 如果不存在,新建节点插入头部
  • 若超出容量,删除尾部节点(最久未使用)及 map 中对应项

完整代码示例

#include <unordered_map>
using namespace std;

class LRUCache { private: struct Node { int key, value; Node prev; Node next; Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {} };

int capacity;
unordered_map&lt;int, Node*&gt; cache;
Node* head;
Node* tail;

void removeNode(Node* node) {
    node-&gt;prev-&gt;next = node-&gt;next;
    node-&gt;next-&gt;prev = node-&gt;prev;
}

void addToHead(Node* node) {
    node-&gt;prev = head;
    node-&gt;next = head-&gt;next;
    head-&gt;next-&gt;prev = node;
    head-&gt;next = node;
}

void moveToHead(Node* node) {
    removeNode(node);
    addToHead(node);
}

Node* removeTail() {
    Node* node = tail-&gt;prev;
    removeNode(node);
    return node;
}

public: LRUCache(int cap) : capacity(cap), size(0) { head = new Node(0, 0); tail = new Node(0, 0); head->next = tail; tail->prev = head; }

int get(int key) {
    auto it = cache.find(key);
    if (it == cache.end()) return -1;
    Node* node = it-&gt;second;
    moveToHead(node);
    return node-&gt;value;
}

void put(int key, int value) {
    auto it = cache.find(key);
    if (it != cache.end()) {
        Node* node = it-&gt;second;
        node-&gt;value = value;
        moveToHead(node);
    } else {
        Node* newNode = new Node(key, value);
        cache[key] = newNode;
        addToHead(newNode);

        if (cache.size() &gt; capacity) {
            Node* removed = removeTail();
            cache.erase(removed-&gt;key);
            delete removed;
        }
    }
}

~LRUCache() {
    Node* curr = head;
    while (curr) {
        Node* temp = curr;
        curr = curr-&gt;next;
        delete temp;
    }
}

};

这个实现保证了 get 和 put 都是 O(1) 时间复杂度,适合高频访问场景。注意手动管理内存或可改用智能指针。基本上就这些,不复杂但容易忽略细节比如指针连接顺序和析构处理。

本文转载于:互联网 如有侵犯,请联系zhengruancom@outlook.com删除。
免责声明:正软商城发布此文仅为传递信息,不代表正软商城认同其观点或证实其描述。

热门关注