LRU Cache

LRU Cache: Реализация и объяснение

Что такое LRU Cache?

LRU Cache (Least Recently Used Cache) — это структура данных с ограниченной ёмкостью, которая хранит пары "ключ-значение" и автоматически удаляет наименее недавно использованный элемент при переполнении. Это критично для оптимизации памяти и производительности в системах кэширования.

Почему важна эффективная реализация?

Типичная задача в production: кэш активных пользовательских сессий, результаты дорогостоящих вычислений или часто запрашиваемые данные из БД. Неэффективная реализация приведёт к O(n) операциям и деградации производительности.

Решение с OrderedDict (простое, практичное)

from collections import OrderedDict

class LRUCache:
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = OrderedDict()
    
    def get(self, key: int) -> int:
        if key not in self.cache:
            return -1
        
        # Переместить в конец (свежий доступ)
        self.cache.move_to_end(key)
        return self.cache[key]
    
    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            # Обновить существующий ключ
            self.cache[key] = value
            self.cache.move_to_end(key)
        else:
            # Добавить новый ключ
            self.cache[key] = value
            if len(self.cache) > self.capacity:
                # Удалить первый (самый старый)
                self.cache.popitem(last=False)

Временная сложность: O(1) для get и put. Пространственная сложность: O(capacity).

Решение с Dict + DoublyLinkedList (более гибкое)

Если нужна полная контроль, используй двусвязный список + словарь:

class Node:
    def __init__(self, key: int, value: int):
        self.key = key
        self.value = value
        self.prev = None
        self.next = None

class LRUCache:
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = {}  # key -> Node
        self.head = Node(0, 0)  # dummy узел (начало списка)
        self.tail = Node(0, 0)  # dummy узел (конец списка)
        self.head.next = self.tail
        self.tail.prev = self.head
    
    def _add_node(self, node: Node) -> None:
        """Добавить узел после head (самый свежий)"""
        node.prev = self.head
        node.next = self.head.next
        self.head.next.prev = node
        self.head.next = node
    
    def _remove_node(self, node: Node) -> None:
        """Удалить узел из списка"""
        prev_node = node.prev
        next_node = node.next
        prev_node.next = next_node
        next_node.prev = prev_node
    
    def _move_to_head(self, node: Node) -> None:
        """Переместить узел в начало (свежий доступ)"""
        self._remove_node(node)
        self._add_node(node)
    
    def get(self, key: int) -> int:
        if key not in self.cache:
            return -1
        
        node = self.cache[key]
        self._move_to_head(node)
        return node.value
    
    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            node = self.cache[key]
            node.value = value
            self._move_to_head(node)
        else:
            new_node = Node(key, value)
            self.cache[key] = new_node
            self._add_node(new_node)
            
            if len(self.cache) > self.capacity:
                # Удалить самый старый (перед tail)
                oldest = self.tail.prev
                self._remove_node(oldest)
                del self.cache[oldest.key]

Пример использования

cache = LRUCache(2)
cache.put(1, 1)        # cache: {1: 1}
cache.put(2, 2)        # cache: {1: 1, 2: 2}
print(cache.get(1))    # 1, порядок: {2, 1}
cache.put(3, 3)        # удаляет 2, cache: {1: 1, 3: 3}
print(cache.get(2))    # -1 (не найден)
cache.put(4, 4)        # удаляет 1, cache: {3: 3, 4: 4}
print(cache.get(1))    # -1 (не найден)
print(cache.get(3))    # 3
print(cache.get(4))    # 4

Ключевые различия подходов

Рекомендация: В production используй OrderedDict — он оптимизирован на C и проще в поддержке. Версию с DoublyLinkedList применяй для интервью (показывает понимание структур данных) или когда нужна максимальная гибкость.