LRU 緩存淘汰算法就是一種常用策略。LRU 的全稱是 Least Recently Used，也就是說我們認為最近使用過的數據應該是是「有用的」，很久都沒用過的數據應該是無用的，內存滿了就優先刪那些很久沒用過的數據。

這里用c++來實現。

知識鋪墊：

c++迭代器

（1）正向迭代器形式：容器類名::iterator? 迭代器名

（2）常量正向迭代器：容器類名::const_iterator? 迭代器名

（3）反向迭代器：容器類名::reverse_iterator? 迭代器名

?? (4) 常量反向迭代器:容器類名::const_reverse_iterator? 迭代器名

#include <iostream> #include <vector> using namespace std; int main() {vector<int> v; //v是存放int類型變量的可變長數組，開始時沒有元素for (int n = 0; n<5; ++n)v.push_back(n); //push_back成員函數在vector容器尾部添加一個元素vector<int>::iterator i; //定義正向迭代器for (i = v.begin(); i != v.end(); ++i) { //用迭代器遍歷容器cout << *i << " "; //*i 就是迭代器i指向的元素*i *= 2; //每個元素變為原來的2倍}cout << endl;//用反向迭代器遍歷容器for (vector<int>::reverse_iterator j = v.rbegin(); j != v.rend(); ++j)cout << *j << " ";return 0; }

程序的輸出結果是：
0 1 2 3 4
8 6 4 2 0

第 6 行，vector 容器有多個構造函數，如果用無參構造函數初始化，則容器一開始是空的。
第 10 行，begin 成員函數返回指向容器中第一個元素的迭代器。++i 使得 i 指向容器中的下一個元素。end 成員函數返回的不是指向最后一個元素的迭代器，而是指向最后一個元素后面的位置的迭代器，因此循環的終止條件是i != v.end()。
第 16 行定義了反向迭代器用以遍歷容器。反向迭代器進行++操作后，會指向容器中的上一個元素。rbegin 成員函數返回指向容器中最后一個元素的迭代器，rend 成員函數返回指向容器中第一個元素前面的位置的迭代器，因此本循環實際上是從后往前遍歷整個數組。
如果迭代器指向了容器中最后一個元素的后面或第一個元素的前面，再通過該迭代器訪問元素，就有可能導致程序崩潰，這和訪問 NULL 或未初始化的指針指向的地方類似。
第 10 行和第 16 行，寫++i、++j相比于寫i++、j++，程序的執行速度更快。

最關鍵的地方哈希查找和鏈表的結合。

結合的原因：（1）鏈表插入和刪除比較快（2）哈希表查找比較快

方法，將哈希表的key映射到雙向鏈表的key。

class LRUCache { private:int cap;// 雙鏈表：裝著 (key, value) 元組list<pair<int, int>> cache;// 哈希表：key 映射到 (key, value) 在 cache 中的位置unordered_map<int, list<pair<int, int>>::iterator> map; public:LRUCache(int capacity) {this->cap = capacity; }int get(int key) {auto it = map.find(key);// 訪問的 key 不存在if (it == map.end()) return -1;// key 存在，把 (k, v) 換到隊頭pair<int, int> kv = *map[key];cache.erase(map[key]);cache.push_front(kv);// 更新 (key, value) 在 cache 中的位置map[key] = cache.begin();return kv.second; // value}void put(int key, int value) {/* 要先判斷 key 是否已經存在 */ auto it = map.find(key);if (it == map.end()) {/* key 不存在，判斷 cache 是否已滿 */ if (cache.size() == cap) {// cache 已滿，刪除尾部的鍵值對騰位置// cache 和 map 中的數據都要刪除auto lastPair = cache.back();int lastKey = lastPair.first;map.erase(lastKey);cache.pop_back();}// cache 沒滿，可以直接添加cache.push_front(make_pair(key, value));map[key] = cache.begin();} else {/* key 存在，更改 value 并換到隊頭 */cache.erase(map[key]);cache.push_front(make_pair(key, value));map[key] = cache.begin();}} };

作者：labuladong
鏈接：https://leetcode-cn.com/problems/lru-cache/solution/lru-ce-lue-xiang-jie-he-shi-xian-by-labuladong/
來源：力扣（LeetCode）
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的LRU缓存机制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。