LRU算法与LFU算法

知识点：

LRU是Least Recently Used的缩写，意思是最近最少使用，它是一种Cache替换算法
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。LRU Cache 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
 

LRU本质就是一个页面置换算法，关键就是如何实现get()和put()函数O（1）时间复杂度

具体内容请打开leedcode上面这题：

146. LRU 缓存 - 力扣（LeetCode）

如何实现O(1)，关键在于链表和哈希的使用，我来结合代码讲解：

//首先，定义一个capacity、list和unordered_map成员变量，注意的是_hashmp存放的第二个参数为list迭代器,list存放的是pair类型，first为key，second为value
//其次：实现put函数，如果存在，我们只需要更新器内容，并放在链表的头部（注：尾部是不使用的），但当我们put的是不存在的，需要判断容量是否满足，是否需要删除list尾部，然后再插入到链表的头部，更新——_hashmp注意放的是iterator
//最后，实现get函数，不存在返回-1，否则，找到该value，然后将其提前保存放入list头部，再将其原位置删除，同时更新hash中迭代器位置
class LRUCache {
public:LRUCache(int capacity) {_capacity = capacity;}//O(1):int get(int key) {//通过key得到value，否则返回-1//去哈希中查找auto hashit = _hashmap.find(key);if(hashit == _hashmap.end()){//未找到return -1;}else{//找到auto listit = hashit->second;//更新该节点的使用情况pair<int,int> kv = *listit;_list.erase(listit);_list.push_front(kv);//更新哈希_hashmap[key] = _list.begin();return kv.second;}}//O(1):void put(int key, int value) {//存在更新，不存在插入//判断是否存在auto hashit = _hashmap.find(key);//注意：hashit是迭代器if(hashit == _hashmap.end()){//不存在，插入，注意capacityif(_list.size() == _capacity){//删除最近未使用的_hashmap.erase(_list.back().first);_list.pop_back();}//插入到链表头部+更新哈希_list.push_front(make_pair(key,value));_hashmap[key] = _list.begin();}else{//存在，更新数据并且放在链表头部，我们尾部是最近未使用数据//获取list中迭代器位置auto listit = hashit->second;//更新KVpair<int,int> kv = *listit;kv.second = value;//将链表中该节点位置放入头部_list.erase(listit);_list.push_front(kv);//更新哈希_hashmap[key] = _list.begin();}}
private:int _capacity;//容量list<pair<int,int>> _list;unordered_map<int,list<pair<int,int>>::iterator> _hashmap;
};

LRU面试不算经常考察的内容，但是也需要我们会实现到O(1)的复杂度

补充：

现在还存在面试常考的另一种算法LFU算法

该算法是通过一个count记录来处理最少使用的情况，下面联系leedcode例题来讲解：

460. LFU 缓存 - 力扣（LeetCode）

实现过程：

class LFUCache {
public:LFUCache(int capacity) {_capacity = capacity;}int get(int key) {auto hashit = _hashmp.find(key);if (hashit == _hashmp.end()) return -1;// 获取当前节点并更新频率auto listit = hashit->second;auto kcv = *listit;_list.erase(listit);  // 先移除旧节点// 更新频率并重新插入到正确位置kcv.second.first++;auto new_it = insertIntoSortedList(kcv);_hashmp[key] = new_it;return kcv.second.second;}void put(int key, int value) {auto hashit = _hashmp.find(key);if (hashit == _hashmp.end()) {// 缓存已满，淘汰频率最低且最久未使用的节点if (_list.size() >= _capacity) {_hashmp.erase(_list.back().first);_list.pop_back();}// 插入新节点（频率=1）auto kcv = make_pair(key, make_pair(1, value));auto new_it = insertIntoSortedList(kcv);_hashmp[key] = new_it;} else {// 更新现有节点（逻辑同get）auto listit = hashit->second;auto kcv = *listit;_list.erase(listit);kcv.second.first++;kcv.second.second = value;  // 更新valueauto new_it = insertIntoSortedList(kcv);_hashmp[key] = new_it;}}private:// 辅助函数：将节点按频率和访问顺序插入到链表list<pair<int, pair<int, int>>>::iterator insertIntoSortedList(const pair<int, pair<int, int>>& kcv) {// 遍历链表，找到第一个频率 <= 当前节点频率的位置for (auto it = _list.begin(); it != _list.end(); ++it) {if (it->second.first <= kcv.second.first) {return _list.insert(it, kcv);  // 插入到该位置前}}// 如果所有节点频率都更低，插入到末尾return _list.insert(_list.end(), kcv);}int _capacity;list<pair<int, pair<int, int>>> _list;  // (key, (count, value))unordered_map<int, list<pair<int, pair<int, int>>>::iterator> _hashmp;
};

通过list和unordered_map来实现，但是需要两个pair（重点），另外就是就是insert和erase操作使用，希望对大家有帮助！！！