行业知识
【LeetCode刷题】146. LRU 缓存
2026-11-01 01:24:14
来源：互联网转载
请��设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类：
- LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
- int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
- void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该 逐出 最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
示例：
输入["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"][[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]输出[null, null, null, 1, null, -1, null, -1, 3, 4]解释LRUCache lRUCache = new LRUCache(2);lRUCache.put(1, 1); // 缓存是 {1=1}lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}lRUCache.get(1); // 返回 1lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}lRUCache.get(2); // 返回 -1 (未找到)lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}lRUCache.get(1); // 返回 -1 (未找到)lRUCache.get(3); // 返回 3lRUCache.get(4); // 返回 4思路：这道题的难点在于记录最近最少使用，使用map可以满足get的O(1)，但是无法记录最近最少使用的数据；如果使用数组，删除/增加的时间复杂度则是O(n)，也不满足。
使用哈希表 + 双向链表可以满足删除/增加的时间复杂度为O(1)。
这个图太形象了。
（1）双向链表按照被使用的顺序存储了这些键值对，靠近头部的键值对是最近使用的，而靠近尾部的键值对是最久未使用的。
（2）哈希表即为普通的哈希映射（HashMap），通过缓存数据的键映射到其在双向链表中的位置。
（3）对于 get 操作，首先判断 key 是否存在：
（a）如果 key 不存在，则返回 −1；
（b）如果 key 存在，则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置，并将其移动到双向链表的头部，最后返回该节点的值。
（3）对于 put 操作，首先判断 key 是否存在：
（a）如果 key 不存在，使用 key 和 value 创建一个新的节点，在双向链表的头部添加该节点，并将 key 和该节点添加进哈希表中。然后判断双向链表的节点数是否超出容量，如果超出容量，则删除双向链表的尾部节点，并删除哈希表中对应的项；
（b）如果 key 存在，则与 get 操作类似，先通过哈希表定位，再将对应的节点的值更新为 value，并将该节点移到双向链表的头部。
思路很清晰
class LRUCache {public: LRUCache(int capacity) { } int get(int key) { } void put(int key, int value) { }};/** * Your LRUCache object will be instantiated and called as such: * LRUCache* obj = new LRUCache(capacity); * int param_1 = obj->get(key); * obj->put(key,value); */一步步实现：
（1）定义双链表
struct DLinkedNode { int key, value; // k-v DLinkedNode* prev; // 前向指针 DLinkedNode* next; // 后向指针 // 两个构造函数 DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {} DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}};（2）在LRUCache类中添加成员属性：哈希表+双向链表
class LRUCache {public: // 新加的 unordered_map cache; DLinkedNode* head; // 伪头节点，不存数据 DLinkedNode* tail; // 伪尾节点，不存数据 int size; // 当前存储的数量，当size==capacity时，要移出数据了 int capacity; // 容量 // 实现构造函数 LRUCache(int _capacity): capacity(_capacity), size(0) { // 使用伪头节点和伪尾节点，不存数据 head = new DLinkedNode(); tail = new DLinkedNode(); // 开始时一个数据都没有 head->next = tail; tail->prev = head; } int get(int key) { } void put(int key, int value) { }};（3）实现双向链表中的【在头部添加数据】、【任意位置删除数据】、【数据移动到头部】、【从尾部删除数据】
在头部添加数据
// 在头部添加数据 void addToHead(DLinkedNode* node) { node->prev = head; node->next = head->next; head->next->prev = node; head->next = node; }任意位置删除数据
// 任意位置删除数据 void removeNode(DLinkedNode* node) { node->prev->next = node->next; node->next->prev = node->prev; }数据移动到头部
// 移动数据到头部 void moveToHead(DLinkedNode* node) { removeNode(node); addToHead(node); }从尾部删除数据
// 从尾部删除数据 DLinkedNode* reoveTail() { DLinkedNode* node = tail->prev; removeNode(node); return node; }（4）实现get函数
如果不存在直接返回-1，存在的话，先通过哈希表定位，再移动到头部
int get(int key) { // 不存在 if (cache.count(key) == 0) { return -1; } // 通过哈希找到，移动到头部 DLinkedNode* node = cache[key]; moveToHead(node); return node->value; }（5）实现put函数
如果key不存在，则创建一个节点，注意size==capacity的情况，此时删除队尾数据
靠近头部的键值对是最近使用的，而靠近尾部的键值对是最久未使用的。
如果存在，修改value，再将该节点移动到队头
void put(int key, int value) { // 不存在 if (cache.count(key) == 0) { DLinkedNode* node = new DLinkedNode(key, value); cache[key] = node; // 添加到哈希表中 addToHead(node); // 移动到队头 size++; if (size > capacity) { DLinkedNode* removeNode = reoveTail(); // 删除尾部数据 cache.erase(removeNode->key); // 删除哈希中的数据 delete removeNode; size--; } } else { DLinkedNode* node = cache[key]; node->value = value; moveToHead(node); // 移到队头 } }全部代码实现
struct DLinkedNode { int key, value; // k-v DLinkedNode* prev; // 前向指针 DLinkedNode* next; // 后向指针 // 两个构造函数 DLinkedNode(): key(0), value(0), prev(nullptr), next(nullptr) {} DLinkedNode(int _key, int _value): key(_key), value(_value), prev(nullptr), next(nullptr) {}};class LRUCache {public: unordered_map cache; DLinkedNode* head; DLinkedNode* tail; int size; int capacity; LRUCache(int _capacity): capacity(_capacity), size(0) { // 使用伪头节点和伪伪节点，不存数据 head = new DLinkedNode(); tail = new DLinkedNode(); // 开始时一个数据都没有 head->next = tail; tail->prev = head; } int get(int key) { // 不存在 if (cache.count(key) == 0) { return -1; } // 通过哈希找到，移动到头部 DLinkedNode* node = cache[key]; moveToHead(node); return node->value; } void put(int key, int value) { // 不存在 if (cache.count(key) == 0) { DLinkedNode* node = new DLinkedNode(key, value); cache[key] = node; // 添加到哈希表中 addToHead(node); // 移动到队头 size++; if (size > capacity) { DLinkedNode* removeNode = reoveTail(); // 删除尾部数据 cache.erase(removeNode->key); // 删除哈希中的数据 delete removeNode; size--; } } else { DLinkedNode* node = cache[key]; node->value = value; moveToHead(node); // 移到队头 } } // 在头部添加数据 void addToHead(DLinkedNode* node) { node->prev = head; node->next = head->next; head->next->prev = node; head->next = node; } // 任意位置删除数据 void removeNode(DLinkedNode* node) { node->prev->next = node->next; node->next->prev = node->prev; } // 移动数据到头部 void moveToHead(DLinkedNode* node) { removeNode(node); addToHead(node); } // 从尾部删除数据 DLinkedNode* reoveTail() { DLinkedNode* node = tail->prev; removeNode(node); return node; }};/** * Your LRUCache object will be instantiated and called as such: * LRUCache* obj = new LRUCache(capacity); * int param_1 = obj->get(key); * obj->put(key,value); */参考：【字节一面】 LRU Cache 实现剖析_哔哩哔哩_bilibili
链接：. - 力扣（LeetCode）
