答案：通过哈希表和双向链表结合实现LRU缓存，get和put操作均达到O(1)时间复杂度，利用哈希表快速查找，双向链表维护访问顺序，最新访问节点移至头部，淘汰时从尾部删除，确保高效性。
实现一个高效的LRU（Least Recently Used）缓存，核心在于快速访问数据的同时维护访问顺序，使得最久未使用的元素能被快速淘汰。C++中可以通过结合哈希表和双向链表来达到O(1)的插入、查找和删除效率。
LRU缓存的基本原理
LRU缓存根据“最近最少使用”原则管理有限容量的数据。当缓存满时，优先淘汰最久未访问的条目。为了高效实现这一机制，需要：
- 快速查找某个key是否在缓存中 —— 使用哈希表（unordered_map）
- 维护访问顺序，支持快速移动或删除节点 —— 使用双向链表（自定义或list）
将两者结合：哈希表存储key到链表节点的指针映射，链表按访问时间排序，最新访问的放在头部，淘汰从尾部进行。
数据结构设计
定义双向链表节点和缓存主体结构：
struct ListNode {
int key, value;
ListNode *prev, *next
;
ListNode(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}
};
;
ListNode(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}
};
缓存类包含：
- 哈希表：unordered_map
快速定位节点 - 双向链表头尾指针：方便在首尾操作
- 容量限制：capacity
- 当前大小：size
关键操作实现
主要接口为 get 和 put：
get(int key)：
- 若key不存在，返回-1
- 存在则将其对应节点移到链表头部（表示最新使用），并返回value
put(int key, int value)：
- 如果key已存在，更新value并移至头部
- 如果不存在且缓存已满，删除尾部节点（最久未用），同时从哈希表中移除
- 创建新节点插入头部，并加入哈希表
辅助函数用于简化链表操作：
void removeNode(ListNode* node) {
node->prev->next = node->next;
node->next->prev = node->prev;
}
void addToHead(ListNode* node) {
node->next = head->next;
node->next->prev = node;
head->next = node;
node->prev = head;
}
完整代码示例
#includeclass LRUCache { private: struct ListNode { int key, value; ListNode prev, next; ListNode(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {} };
std::unordered_mapzuojiankuohaophpcnint, ListNode*youjiankuohaophpcn cache; ListNode *head, *tail; int capacity, size; void removeNode(ListNode* node) { node-youjiankuohaophpcnprev-youjiankuohaophpcnnext = node-youjiankuohaophpcnnext; node-youjiankuohaophpcnnext-youjiankuohaophpcnprev = node-youjiankuohaophpcnprev; } void addToHead(ListNode* node) { node-youjiankuohaophpcnnext = head-youjiankuohaophpcnnext; head-youjiankuohaophpcnnext-youjiankuohaophpcnprev = node; head-youjiankuohaophpcnnext = node; node-youjiankuohaophpcnprev = head; } void moveToHead(ListNode* node) { removeNode(node); addToHead(node); } ListNode* removeTail() { ListNode* node = tail-youjiankuohaophpcnprev; removeNode(node); return node; }public: LRUCache(int cap) : capacity(cap), size(0) { head = new ListNode(0, 0); tail = new ListNode(0, 0); head->next = tail; tail->prev = head; }
~LRUCache() { while (head) { ListNode* tmp = head; head = head-youjiankuohaophpcnnext; delete tmp; } } int get(int key) { auto it = cache.find(key); if (it == cache.end()) return -1; ListNode* node = it-youjiankuohaophpcnsecond; moveToHead(node); return node-youjiankuohaophpcnvalue; } void put(int key, int value) { auto it = cache.find(key); if (it != cache.end()) { ListNode* node = it-youjiankuohaophpcnsecond; node-youjiankuohaophpcnvalue = value; moveToHead(node); } else { ListNode* newNode = new ListNode(key, value); cache[key] = newNode; addToHead(newNode); ++size; if (size youjiankuohaophpcn capacity) { ListNode* removed = removeTail(); cache.erase(removed-youjiankuohaophpcnkey); delete removed; --size; } } }};
这个实现保证了 get 和 put 操作均为 O(1) 时间复杂度，适合高频读写场景。
基本上就这些。只要理解哈希表+双向链表的配合逻辑，LRU 就不难实现。注意内存释放和指针操作的正确性即可。
