C++高效LRU缓存实现与算法设计
答案:通过哈希表和双向链表结合实现LRU缓存,get和put操作均达到O(1)时间复杂度,利用哈希表快速查找,双向链表维护访问顺序,最新访问节点移至头部,淘汰时从尾部删除,确保高效性。
答案:通过哈希表和双向链表结合实现LRU缓存,get和put操作均达到O(1)时间复杂度,利用哈希表快速查找,双向链表维护访问顺序,最新访问节点移至头部,淘汰时从尾部删除,确保高效性。

实现一个高效的LRU(Least Recently Used)缓存,核心在于快速访问数据的同时维护访问顺序,使得最久未使用的元素能被快速淘汰。C++中可以通过结合哈希表和双向链表来达到O(1)的插入、查找和删除效率。
LRU缓存的基本原理
LRU缓存根据“最近最少使用”原则管理有限容量的数据。当缓存满时,优先淘汰最久未访问的条目。为了高效实现这一机制,需要:
- 快速查找某个key是否在缓存中 —— 使用哈希表(unordered_map)
- 维护访问顺序,支持快速移动或删除节点 —— 使用双向链表(自定义或list)
将两者结合:哈希表存储key到链表节点的指针映射,链表按访问时间排序,最新访问的放在头部,淘汰从尾部进行。
数据结构设计
定义双向链表节点和缓存主体结构:
struct ListNode {
int key, value;
ListNode *prev, *next;
ListNode(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}
};
缓存类包含:
- 哈希表:unordered_map
快速定位节点 - 双向链表头尾指针:方便在首尾操作
- 容量限制:capacity
- 当前大小:size
关键操作实现
主要接口为 get 和 put:
get(int key):
- 若key不存在,返回-1
- 存在则将其对应节点移到链表头部(表示最新使用),并返回value
put(int key, int value):
- 如果key已存在,更新value并移至头部
- 如果不存在且缓存已满,删除尾部节点(最久未用),同时从哈希表中移除
- 创建新节点插入头部,并加入哈希表
辅助函数用于简化链表操作:
void removeNode(ListNode* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
void addToHead(ListNode* node) {
node->next = head->next;
node->next->prev = node;
head->next = node;
node->prev = head;
}
完整代码示例
#includeclass LRUCache { private: struct ListNode { int key, value; ListNode prev, next; ListNode(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {} };
std::unordered_map<int, ListNode*> cache; ListNode *head, *tail; int capacity, size; void removeNode(ListNode* node) { node->prev->next = node->next; node->next->prev = node->prev; } void addToHead(ListNode* node) { node->next = head->next; head->next->prev = node; head->next = node; node->prev = head; } void moveToHead(ListNode* node) { removeNode(node); addToHead(node); } ListNode* removeTail() { ListNode* node = tail->prev; removeNode(node); return node; }public: LRUCache(int cap) : capacity(cap), size(0) { head = new ListNode(0, 0); tail = new ListNode(0, 0); head->next = tail; tail->prev = head; }
~LRUCache() { while (head) { ListNode* tmp = head; head = head->next; delete tmp; } } int get(int key) { auto it = cache.find(key); if (it == cache.end()) return -1; ListNode* node = it->second; moveToHead(node); return node->value; } void put(int key, int value) { auto it = cache.find(key); if (it != cache.end()) { ListNode* node = it->second; node->value = value; moveToHead(node); } else { ListNode* newNode = new ListNode(key, value); cache[key] = newNode; addToHead(newNode); ++size; if (size > capacity) { ListNode* removed = removeTail(); cache.erase(removed->key); delete removed; --size; } } }};
这个实现保证了 get 和 put 操作均为 O(1) 时间复杂度,适合高频读写场景。
基本上就这些。只要理解哈希表+双向链表的配合逻辑,LRU 就不难实现。注意内存释放和指针操作的正确性即可。
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















