微软面试题： LeetCode 146. LRU 缓存机制 middle 出现次数：3

实现一个  LRUCache 类：使得 put 和  get 操作都达到 O（1）

 哈希表 + 双向队列

双向队列 中存储 缓存（页面）信息，使用哈希表可以实现O（1） 找到 缓存的位置，使用双向队列可以 实现O（1）

时间的从头部插入（更新刚用过的页为最新状态）和从尾部删除（淘汰最近最久未使用的页）。

直接上代码：

struct Node
{
    int key;
    int value;
    Node(int k,int v):key(k),value(v){}
};
class LRUCache {
public:
    LRUCache(int capacity):buff_size(capacity) {}
    
    int get(int key)
    {
        // get 操作 缺页，直接返回 -1
        if(hash_table.find(key) == hash_table.end())
        {
            return -1;
        }
        // 借助哈希表O（1）实现 get操作
        int value = hash_table[key]->value;
        // 刷新当前页为最新
        put( key, value);
       // Cache.splice(Cache.begin(), Cache,hash_table[key]);
        return value;
    }
    
    void put(int key, int value)
    {
        //未命中且Cache已满，淘汰最近最久未使用页，
        if(hash_table.find(key) == hash_table.end() && Cache.size() == buff_size)
        {
            int key = Cache.back().key;
            Cache.pop_back();//淘汰最近最久未使用页
            hash_table.erase(key);//同时删除hash表中对应的记录
        }
        //命中 删除掉Cache中目标记录，此时hash表可不更新，因为该页马上就要再插入Cache
        if(hash_table.find(key) != hash_table.end())
        {
            Cache.erase(hash_table[key]);
        }
        //将当前页面重新插入到Cache 头部，同时更新hash表记录当前页最新位置
        Node node(key,value);
        Cache.push_front(node);
        hash_table[key] = Cache.begin();
        return;
    }
private:
    int buff_size;
    list<Node> Cache;
    unordered_map<int,list<Node>::iterator> hash_table;
};

/**
 * 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);
 */

 

使用 list 的splice 函数 ，可以提高效率 ，代码如下：

struct Node
{
    int key;
    int value;
    Node(int k,int v):key(k),value(v){}
};
class LRUCache {
public:
    LRUCache(int capacity):buff_size(capacity) {}
    
    int get(int key)
    {
        // get 操作 缺页，直接返回 -1
        if(hash_table.find(key) == hash_table.end())
        {
            return -1;
        }
        // 借助哈希表O（1）实现 get操作
        int value = hash_table[key]->value;
        // 刷新当前页为最新
        //put( key, value);
          Cache.splice(Cache.begin(), Cache,hash_table[key]);
        return value;
    }
    
    void put(int key, int value)
    {
        //命中 删除掉Cache中目标记录，此时hash表可不更新，因为该页马上就要再插入Cache
        if(hash_table.find(key) != hash_table.end())
        {
            hash_table[key]->value = value;
            return Cache.splice(Cache.begin(), Cache,hash_table[key]);
        }
        //将当前页面重新插入到Cache 头部，同时更新hash表记录当前页最新位置
        Node node(key,value);
        Cache.push_front(node);
        hash_table[key] = Cache.begin();
        if(Cache.size() > buff_size)
        {
            hash_table.erase(Cache.back().key);
            Cache.pop_back();
        }
        return;
    }
private:
    int buff_size;
    list<Node> Cache;
    unordered_map<int,list<Node>::iterator> hash_table;
};

/**
 * 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);
 */