• 🙋‍♂️ 作者：海码007
• 📜 专栏：算法专栏
• 💥 标题：【Hot 100】 146. LRU 缓存
• ❣️ 寄语：书到用时方恨少，事非经过不知难！

引言

这题好像几年前就是hard。后面变成medium了。感觉就是普通人只做1～2遍，都不能独立记住整个实现过程。做到第3遍时大概能记得思路开始独立写代码了，但是会遇到各种问题不能bug free的AC掉。需要练很多遍才能真的在面试中写对的。这题应该就是靠代码功底的，看能不能现场写出bug free或者能debug出来。

上面的这个是别人写的评论，看着确实是这么回事。今天能把这道题写完就算ok了。这个相当于设计一个类了。

LRU 缓存

• 🎈 题目链接：
• 🎈 做题状态：

官方解题

这道题涉及的知识面确实比较多，第一次做的话不容易ac。可以多写几次。

struct DLinkedNode {int key, value;DLinkedNode* prev;DLinkedNode* next;DLinkedNode() : key(0), value(0), prev(nullptr), next(nullptr) {}DLinkedNode(int _key, int _value) : key(_key), value(_value), prev(nullptr), next(nullptr) {}
};class LRUCache {
private:unordered_map<int, DLinkedNode*> cache;DLinkedNode* head;DLinkedNode* tail;int size;int capacity;public:LRUCache(int _capacity) : capacity(_capacity), size(0) {// 使用伪头部和伪尾部节点head = new DLinkedNode();tail = new DLinkedNode();head->next = tail;tail->prev = head;}int get(int key) {// 判断当前key是否存在if (!cache.count(key)){return -1;}// 通过哈希表快速的找到节点DLinkedNode* node = cache[key];moveToHead(node);return node->value;}void put(int key, int value) {// 判断当前key是否存在if (!cache.count(key)){// 不存在，则创建一个新节点DLinkedNode* node = new DLinkedNode(key, value);// 将其添加到哈希表中cache[key] = node;// 将新的节点添加到双向链表的头部，因为是新使用的addToHead(node);++size;// 判断当前链表大小是否超过容量，如果超出容量，则需要删除尾部节点if (size > capacity){DLinkedNode* removed = removedTail();cache.erase(removed->key);delete removed;--size;}}else{// 如果当前key存在，先通过哈希表定位，再修改value，并移动到头部DLinkedNode* node = cache[key];node->value = value;moveToHead(node);}}// 将节点添加到头部void addToHead(DLinkedNode* node){node->prev = head;node->next = head->next;head->next->prev = node;head->next = node;}// 移除节点（不释放节点内存）void removeNode(DLinkedNode* node){node->prev->next = node->next;node->next->prev = node->prev;}// 将节点移动到头部void moveToHead(DLinkedNode* node){removeNode(node);addToHead(node);}// 将移除的节点返回给外部进行处理释放DLinkedNode* removedTail(){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);*/

LRU实现

我将把 LRU 缓存的实现拆解为 7 个清晰的步骤，并配以关键代码片段。让我们像搭积木一样逐步构建这个数据结构：

---

📌 实现步骤分解

步骤 1：定义双向链表节点

目的：创建存储数据的基本单元

struct Node {int key;        // 用于删除尾节点时反向查找哈希表int value;Node* prev;Node* next;Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}
};

---

步骤 2：创建伪头尾节点（关键设计）

目的：消除边界条件判断，简化链表操作

class LRUCache {
private:Node* dummyHead; // 永远指向虚拟头部节点Node* dummyTail; // 永远指向虚拟尾部节点// 初始化伪头尾dummyHead = new Node(-1, -1);dummyTail = new Node(-1, -1);dummyHead->next = dummyTail;dummyTail->prev = dummyHead;

---

步骤 3：实现链表基础操作

操作 1：添加节点到头部

void addToHead(Node* node) {// 新节点的前后指针node->prev = dummyHead;node->next = dummyHead->next;// 调整原有链接dummyHead->next->prev = node;dummyHead->next = node;
}

操作 2：移除任意节点

void removeNode(Node* node) {node->prev->next = node->next;node->next->prev = node->prev;
}

---

步骤 4：实现关键组合操作

操作 3：移动节点到头部（访问时调用）

void moveToHead(Node* node) {removeNode(node);  // 从当前位置移除addToHead(node);   // 添加到头部
}

操作 4：移除尾部节点（淘汰时调用）

Node* removeTail() {Node* node = dummyTail->prev; // 真实尾节点removeNode(node);return node;
}

---

步骤 5：初始化缓存结构

class LRUCache {
private:unordered_map<int, Node*> cache; // 哈希表int capacity;                    // 容量限制public:LRUCache(int cap) : capacity(cap) {// 初始化伪头尾（见步骤2）}
};

---

步骤 6：实现 get 操作

int get(int key) {if (!cache.count(key)) return -1; // 未命中Node* node = cache[key];moveToHead(node);    // 更新为最近使用return node->value;
}

---

步骤 7：实现 put 操作

void put(int key, int value) {if (cache.count(key)) { // 已存在Node* node = cache[key];node->value = value;    // 更新值moveToHead(node);       // 设为最新} else {                   // 新增数据Node* node = new Node(key, value);cache[key] = node;      // 记录到哈希表addToHead(node);        // 添加到链表if (cache.size() > capacity) {Node* removed = removeTail();  // 淘汰最旧cache.erase(removed->key);     // 从哈希表删除delete removed;                // 释放内存}}
}

---

🔑 关键设计验证点

测试场景	预期操作	验证方法
缓存未满时插入	新节点添加到头部	检查链表头部是否为最新节点
缓存已满时插入	淘汰尾节点后添加新节点到头部	检查链表长度是否保持 capacity
访问已有节点	节点被移动到头部	执行get后检查节点位置
更新已有节点的值	值被更新且节点移到头部	检查值变化和节点位置

---

🚀 完整实现代码

#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 *dummyHead, *dummyTail;int capacity;void addToHead(Node* node) {node->prev = dummyHead;node->next = dummyHead->next;dummyHead->next->prev = node;dummyHead->next = node;}void removeNode(Node* node) {node->prev->next = node->next;node->next->prev = node->prev;}void moveToHead(Node* node) {removeNode(node);addToHead(node);}Node* removeTail() {Node* node = dummyTail->prev;removeNode(node);return node;}public:LRUCache(int cap) : capacity(cap) {dummyHead = new Node(-1, -1);dummyTail = new Node(-1, -1);dummyHead->next = dummyTail;dummyTail->prev = dummyHead;}int get(int key) {if (!cache.count(key)) return -1;Node* node = cache[key];moveToHead(node);return node->value;}void put(int key, int value) {if (cache.count(key)) {Node* node = cache[key];node->value = value;moveToHead(node);} else {Node* node = new Node(key, value);cache[key] = node;addToHead(node);if (cache.size() > capacity) {Node* removed = removeTail();cache.erase(removed->key);delete removed;}}}
};

---

💡 实现要点总结

1. 双数据结构协作：

   • 哈希表：O(1) 时间查找
   • 双向链表：维护访问顺序

2. 伪节点的妙用：

   • 消除头尾节点的特殊判断
   • 统一所有节点的操作逻辑

3. 操作原子化：

   • 将链表操作分解为独立方法
   • 提高代码可读性和可维护性

4. 内存管理：

   • 淘汰节点时需手动释放内存
   • 插入新节点时动态分配内存

通过这种分步实现方式，可以更清晰地理解每个组件的作用，也便于在开发过程中逐步测试验证每个功能的正确性。