Python 实现 LRU 缓存经典面试题

Python 实现 LRU 缓存，核心在于 O(1) 时间复杂度完成 get 和 put 操作，同时自动淘汰最久未使用的项。标准解法是用 OrderedDict（Python 3.7+ 中普通 dict 也保持插入顺序，但 OrderedDict 提供了 move_to_end() 这一关键能力）。

为什么用 OrderedDict 而不是普通 dict？

OrderedDict 支持在 O(1) 时间内把某个 key 移动到末尾（move_to_end(key, last=True)），这正好对应“访问即更新为最近使用”。普通 dict 虽有序，但没有内置方法高效完成这一操作；手动删再插会多一次哈希查找和重建节点，逻辑冗余且易出错。

LRU 缓存的关键行为逻辑

• get(key)：命中则返回值，并将该 key 移至末尾（标记为最新使用）；未命中返回 -1
• put(key, value)：若 key 已存在，更新值并移至末尾；若不存在，插入新项；插入后若超出容量，删除开头的项（最久未使用）
• 注意：put 时如果 key 存在，不算新增，不触发容量检查；只有新增 key 才可能触发淘汰

简洁可运行的实现代码

from collections import OrderedDict
class LRUCache:
def init(self, capacity: int):
self.cache = OrderedDict()
self.capacity = capacity
def get(self, key: int) -> int:
    if key not in self.cache:
        return -1
    self.cache.move_to_end(key)  # 标记为最近使用
    return self.cache[key]

def put(self, key: int, value: int) -> None:
    if key in self.cache:
        self.cache.move_to_end(key)
    self.cache[key] = value
    if len(self.cache) > self.capacity:
        self.cache.popitem(last=False)  # 删除最久未使用的（开头）</code></pre></font></p>
面试中容易被追问的点
时间/空间复杂度：get 和 put 均为 O(1)，空间 O(capacity)
能否不用 OrderedDict 自己实现？：可以，用双向链表 + 哈希表（dict），链表节点存 key-value，dict 映射 key → 节点指针；每次访问需断开、插入链表尾部，删除头节点；代码量大，但体现底层理解
线程安全吗？：不安全；如需并发支持，加锁（如 threading.Lock）或改用 functools.lru_cache（仅适用于函数级缓存）
capacity = 0 怎么办？：初始化时应允许，后续所有 put 都立即淘汰，get 永远 -1；代码中无需特殊处理，popitem 在空 dict 会报错，但容量为 0 时 put 后 len=1 > 0，会触发 pop，此时 OrderedDict 非空，安全