LRU算法

1.什么是LRU Cache

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。 什么是
Cache？狭义的Cache指的是位于CPU和主存间的快速RAM， 通常它不像系统主存那样使用
DRAM技术，而使用昂贵但较快速的SRAM技术。 广义上的Cache指的是位于速度相差较大的两种硬件之间， 用于协调两者数据传输速度差异的结构。除了CPU与主存之间有Cache， 内存与硬盘之间也有Cache，乃至在硬盘与网络之间也有某种意义上的Cache── 称为Internet临时文件夹或网络内容缓存等。

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。

2.LRU Cache的实现

实现LRU Cache的方法和思路很多，但是要保持高效实现O(1)的put和get，那么使用双向链表和
哈希表的搭配是最高效和经典的。使用双向链表是因为双向链表可以实现任意位置O(1)的插入和 删除，使用哈希表是因为哈希表的增删查改也是O(1)。

假设LRU缓存大小为3
进行如下操作：

(1)put(1,1)

(2)put(2,2)

(3)get(1)
return 1

(4)put(3,3)

(5)get(2)
return 2

(6)put(4,4)

(7)get(2)
找不到,return -1

(8)put(5,5)

3.LRU缓存机制

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据put。获取数据 get(key) - 如果关键字 (key) 存在于缓存中，则获取关键字的值（总是正数），否则返回 -1。 写入数据put(key, value) -如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字/值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶: 你是否可以在 O(1) 时间复杂度内完成这两种操作？
示例:
LRUCache cache = new LRUCache( 2 /* 缓存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 该操作会使得关键字 2 作废
cache.get(2); // 返回 -1(未找到)
cache.put(4, 4); // 该操作会使得关键字 1 作废
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4

class LRUCache
{
private:
	//first存储key,second存储存在list中val的迭代器
	unordered_map<int, list<pair<int,int>>::iterator> m_ht;
	//list存储val
	list<pair<int,int>> m_lt;//必须存储key和val,不能只存储val,在删除back的时候map找不到key
	int m_capacity;
public:
	LRUCache(int capacity) :
		m_capacity(capacity)
	{}

	int get(int key)
	{
		auto it = m_ht.find(key);
		if (it != m_ht.end())//找到
		{
 			//m_lt.splice(m_lt.begin(),m_lt,it->second);//splice(it1,list,it2)是把list中的it2的位置剪切到it1的位置
			m_lt.push_front(make_pair(key, it->second->second));//先把get的值更新到第一个
			m_lt.erase(it->second);//删除原来的位置
			m_ht[key] = m_lt.begin();//跟新map中val的位置
			return m_lt.front().second;//返回list中更新的值
		}
		return -1;//没找到就返回-1
	}

	void put(int key, int value)
	{
		auto it = m_ht.find(key);
		if (it != m_ht.end())//找到
		{
			// m_lt.splice(m_lt.begin(),m_lt,it->second);
			m_lt.push_front(make_pair(key, value));//先把get的值更新到第一个
			m_lt.erase(it->second);//删除原来的位置
			m_ht[key] = m_lt.begin();
		}
		else//数据不存在，需要添加
		{
			if (m_ht.size() == m_capacity)//LRU已经满了，需要删除一个
			{
				m_ht.erase(m_lt.back().first);//删除哈希表中的最不常用的
				m_lt.pop_back();//删除链表中最不常用的
			}
			m_lt.push_front(make_pair(key, value));//将put的值跟新到链表最前面
			m_ht[key] = m_lt.begin();//更新map中的值
		}
	}
};