LRU缓存通过哈希表和双向链表结合实现，get和put操作均达到O(1)时间复杂度；当缓存满时淘汰最久未使用数据，利用哨兵节点简化链表操作，确保高效访问与顺序维护。
LRU（Least Recently Used）缓存淘汰算法的核心思想是：当缓存满时，优先淘汰最久未使用的数据。为了高效实现“快速访问”和“快速调整使用顺序”，通常结合哈希表与双向链表来完成。
在C++中，我们可以利用自定义的双向链表节点和unordered_map哈希表，实现O(1)时间复杂度的get和put操作。
设计思路
使用双向链表维护访问顺序：最近使用的节点放在链表头部，最久未使用的放在尾部。哈希表用于存储键到链表节点的指针，实现O(1)查找。
关键操作包括：
立即学习“C++免费学习笔记（深入）”；
- get(key)：若存在，从链表中取出并移到头部；否则返回-1
- put(key, value)：若已存在，更新值并移至头部；若不存在且缓存满，则删除尾部节点，插入新节点到头部
核心结构定义
struct Node { int key; int value; Node* prev; Node* next; Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {} };哈希表定义为：unordered_map<int, Node*> cache;
维护两个哨兵节点：head 和 tail，简化边界处理。
主要操作实现
需要封装几个辅助函数：
- removeNode(Node* node)：从链表中移除指定节点
- addToHead(Node* node)：将节点插入到头部
- moveToHead(Node* node)：将已有节点移到头部（表示最近使用）
- removeTail()：移除尾部节点，并返回其key，用于从哈希表中删除
完整代码示例
#include <iostream> #include <unordered_map> using namespace std;struct Node { int key, value; Node prev, next; Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {} };
class LRUCache { private: unordered_map<int, Node> cache; Node head; Node* tail; int capacity;
void removeNode(Node* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
void addToHead(Node* node) {
node->next = head->next;
node->prev = head;
head->next->prev = node;
head->next = node;
}
void moveToHead(Node* node) {
removeNode(node);
addToHead(node);
}
Node* removeTail() {
Node* node = tail->prev;
removeNode(node);
return node;
}public: LRUCache(int cap) : capacity(cap) { head = new Node(0, 0); tail = new Node(0, 0); head->next = tail; tail->prev = head; }
int get(int key) {
if (cache.find(key) == cache.end()) return -1;
Node* node = cache[key];
moveToHead(node);
return node->value;
}
void put(int key, int value) {
if (cache.find(key) != cache.end()) {
Node* node = cache[key];
node->value = value;
moveToHead(node);
} else {
Node* newNode = new Node(key, value);
cache[key] = newNode;
addToHead(newNode);
if (cache.size() > capacity) {
Node* removed = removeTail();
cache.erase(removed->key);
delete removed;
}
}
}
~LRUCache() {
for (auto& pair : cache) {
delete pair.second;
}
delete head;
delete tail;
}};
测试示例：
int main() { LRUCache lru(2); lru.put(1, 1); lru.put(2, 2); cout << lru.get(1) << endl; // 输出 1 lru.put(3, 3); // 淘汰 key=2 cout << lru.get(2) << endl; // 输出 -1 return 0; }基本上就这些。通过哈希表+双向链表的组合，我们实现了高效的LRU缓存，适用于频繁读写、容量受限的场景。注意内存释放，避免泄漏。
