链表与哈希表实现LRU缓存的高效原理与实践

1. 链表与LRU缓存的核心原理

链表作为基础数据结构，在LRU（Least Recently Used）缓存淘汰算法中扮演着关键角色。这种组合在操作系统页面置换、数据库缓存池、Redis内存管理等场景随处可见。理解这个组合的运作机制，是每个合格开发者必须掌握的硬核技能。

链表实现LRU的核心在于：最新访问的数据始终位于链表头部，最久未使用的数据自然沉淀到尾部。当缓存空间不足时，直接淘汰尾节点即可。这种设计完美利用了链表的动态增删特性——头部插入和尾部删除都能在O(1)时间复杂度内完成。

关键点：双向链表+哈希表的组合才是工业级实现。链表维护访问时序，哈希表提供O(1)访问能力。单纯用链表会导致查询效率降为O(n)

2. 双向链表+哈希表的黄金组合

2.1 数据结构设计

cpp复制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; // 虚拟头节点
    DLinkedNode* tail;  // 虚拟尾节点
    int size;
    int capacity;
}

虚拟头尾节点的设计让边界处理更优雅，避免了繁琐的空指针检查。哈希表存储键到节点的映射，使得我们可以直接定位到链表中的具体节点。

2.2 关键操作时间复杂度分析