目录1.缓存的定义2.以OJ题为例,模拟实现LRU缓存LeetCode 146. LRU 缓存分析构造函数get函数put函数完整代码提交结果牛客网 REAL600 LRU Cache完整代码提交结果3.拓展资料1.缓存的定义广义上,由于CPU和内存之间、内存和磁盘之间读写速度相差较大,因此会在中间设置缓存用来提高整体的读写速度,乃至在硬盘与网络之间也有某种意义上的缓存──称为Internet临时文件夹或网络内容缓存等之前在98.【C语言】存储体系结构文章提到过这个两个图:上图摘自《深入了解计算机系统》上图摘自知乎大佬文章注:狭义上的缓存指的是位于CPU和主存间的快速RAM,通常它不像系统主存那样使用DRAM技术,而使用昂贵但较快速的SRAM技术2.以OJ题为例,模拟实现LRU缓存由于缓存的空间是有限的,满了以后那么缓存中的数据不能一直占着,肯定要有一些新的数据进入缓存供CPU使用,就要按某种算法淘汰掉一些缓存,例如淘汰掉LRU缓存LRU缓存的全称是LeastRecentlyUsed缓存,即最近最少使用缓存,是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰,以确保缓存中始终存储着最新和最频繁使用的页面也可以这样说:当缓存空间不足时,淘汰最近最久未被使用的数据,以确保缓存中始终存储着最新和最频繁使用的数据其实,LRU译成最久未使用会更形象, 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容要设计出一个LRU缓存不难,但要设计出一个高效LRU缓存有难度,需要确保任意操作都是O(1)LeetCode 146. LRU 缓存https://leetcode.cn/problems/lru-cache/description/请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。实现LRUCache类LRUCache(int capacity)以正整数作为容量capacity初始化 LRU 缓存int get(int key)如果关键字key存在于缓存中则返回关键字的值否则返回-1。void put(int key, int value)如果关键字key已经存在则变更其数据值value如果不存在则向缓存中插入该组key-value。如果插入操作导致关键字数量超过capacity则应该逐出最久未使用的关键字。函数get和put必须以O(1)的平均时间复杂度运行。示例输入[LRUCache, put, put, get, put, get, put, get, get, get] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]输出[null, null, null, 1, null, -1, null, -1, 3, 4]解释LRUCache lRUCache new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {11} lRUCache.put(2, 2); // 缓存是 {11, 22} lRUCache.get(1); // 返回 1 lRUCache.put(3, 3); // 该操作会使得关键字 2 作废缓存是 {11, 33} lRUCache.get(2); // 返回 -1 (未找到) lRUCache.put(4, 4); // 该操作会使得关键字 1 作废缓存是 {44, 33} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4提示1 capacity 30000 key 100000 value 10^5最多调用2 * 105次get和put注和这些题一样:https://leetcode.cn/problems/lru-cache-lcci/description/https://leetcode.cn/problems/OrIXps/description/分析题目中提到函数get和put必须以O(1)的平均时间复杂度运行,而且需要key-value结构,可以想到unordered_mapint,int(LeetCode提供的key和value的类型都是int),其查找和更新的时间复杂度是,但如何找出LRU缓存?LRU缓存涉及到缓存顺序问题,可以使用双向链表,例如listpairint,int,设计为:链表的末尾是最近最少使用缓存数据,而新增的缓存数据都头插到链表中(当然也可以设计为链表的头部是最近最少使用缓存数据,LeetCode对测试用例的解释就是这样的)缓存的空间是有限的,可以控制链表的最大长度为capacity如果像这样设计仍然有缺陷:unordered_mapint,int _hash; listpairint,int _LRU_list;虽然查找和新增的时间复杂度为,但是更新的时间复杂度为,更新慢在查找链表中旧的缓存数据的位置,由于_hash没有存储在链表中的位置,需要先遍历然后更新,最后移动到链表的头部解决方法:哈希表中不仅要记录每个缓存数据,而且要记录每个缓存数据,在链表中的位置(C可以使用迭代器,C语言可以使用指针),如下图typedef listpairint, int::iterator LRU_index; unordered_mapint, LRU_index _hash; listpairint,int _LRU_list;那么LRUCache类的成员变量:private: unordered_mapint, LRU_index _hash; listpairint,int _LRU_list; int _capacity;构造函数为_capacity成员变量初始化值即可,可以使用初始化成员列表LRUCache(int capacity) :_capacity(capacity) {}get函数★get(key)t涉及到查找节点,即访问了_LRU_list的缓存数据,需要更新_LRU_list上的数据,指的是将节点移动到链表头部(前面定义过了链表的末尾是最近最少使用缓存数据,而新增的缓存数据都头插到链表中)有以下两种方法:方法1.可以使用转移成员函数splice,将节点剪切到链表头部,不用更新LRU_index,未删除节点,指针仍然有效,因此迭代器不会失效方法2.先删除(erase)再头插(push_front),要更新LRU_index,因为迭代器会失效,之前讲过迭代器的本质是指针这里使用方法2:注: 返回关键字的值指的是返回key的valueint get(int key) { auto ret_hash.find(key); if (ret!_hash.end()) { //先更新_LRU_list.这里迭代器不会失效 _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); //返回时取两次,ret取得_hash的迭代器,ret-second取得_LRU_list的迭代器,ret-second-second取得value return ret-second-second; } return -1; }put函数和get函数类似,设计到到数据的访问(插入新数据,本质上也是访问数据)也要更新数据,如果_LRU_list满了,注意先删除最近最少使用缓存,然后再插入新数据void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { if (_hash.size()_capacity) { _LRU_list.push_front(make_pair(key,value)); _hash.insert(make_pair(key,_LRU_list.begin())); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(make_pair(key,value)); _hash.insert(make_pair(key,_LRU_list.begin())); } } }注:不建议写成_LRU_list.size()_capacity,原因是某些STL版本的list没有size成员变量,内部实现会手动遍历可以写得更简洁些:如果关键字key不存在,无论_hash.size()是_capacity还是_capacity都要对哈希表插入pair,而且插入哈希表可以不用Insert,使用operator[]更简洁,如下代码:void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { auto elemmake_pair(key,value); if (_hash.size()_capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key]_LRU_list.begin(); } }完整代码class LRUCache { typedef listpairint, int::iterator LRU_index; public: LRUCache(int capacity) :_capacity(capacity) {} int get(int key) { auto ret_hash.find(key); if (ret!_hash.end()) { //先更新_LRU_list.这里迭代器不会失效 _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); //返回时取两次,ret取得_hash的迭代器,ret-second取得_LRU_list的迭代器,ret-second-second取得value return ret-second-second; } return -1; } void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { auto elemmake_pair(key,value); if (_hash.size()_capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key]_LRU_list.begin(); } } private: unordered_mapint, LRU_index _hash; listpairint,int _LRU_list; int _capacity; };提交结果牛客网 REAL600 LRU Cachehttps://www.nowcoder.com/practice/3da4aeb1c76042f2bc70dbcb94513338?tpId182tqId34883ru/exam/oj描述设计一个数据结构实现LRU Cache的功能(Least Recently Used – 最近最少使用缓存)。它支持如下2个操作 get 和 put。 int get(int key) – 如果key已存在则返回key对应的值value始终大于0如果key不存在则返回-1。 void put(int key, int value) – 如果key不存在将value插入如果key已存在则使用value替换原先已经存在的值。如果容量达到了限制LRU Cache需要在插入新元素之前将最近最少使用的元素删除。 请特别注意“使用”的定义新插入或获取key视为被使用一次而将已经存在的值替换更新不算被使用。 限制请在O(1)的时间复杂度内完成上述2个操作。输入描述第一行读入一个整数n表示LRU Cache的容量限制。 从第二行开始一直到文件末尾每1行代表1个操作。如果每行的第1个字符是p则该字符后面会跟随2个整数表示put操作的key和value。如果每行的第1个字符是g则该字符后面会跟随1个整数表示get操作的key。输出描述按照输入中get操作出现的顺序按行输出get操作的返回结果。示例1输入2 p 1 1 p 2 2 g 1 p 2 102 p 3 3 g 1 g 2 g 3输出1 1 -1 3说明2 //Cache容量为2 p 1 1 //put(1, 1) p 2 2 //put(2, 2) g 1 //get(1), 返回1 p 2 102 //put(2, 102)更新已存在的key不算被使用 p 3 3 //put(3, 3)容量超过限制将最近最少使用的key2清除 g 1 //get(1), 返回1 g 2 //get(2), 返回-1 g 3 //get(3), 返回3注:和https://www.nowcoder.com/practice/5dfded165916435d9defb053c63f1e84?tpId196tqId37137ru/exam/oj题一样修改LeetCode上的代码即可,注意和LeetCode不一样的地方:说明中p 2 102 //put(2, 102)更新已存在的key不算被使用缓存大小可以为0,而LeetCode是1 capacity 3000完整代码#include iostream #include list #include unordered_map #include string using namespace std; class LRUCache { typedef listpairint, int::iterator LRU_index; public: LRUCache(int capacity) :_capacity(capacity) { } void get(int key) { auto ret _hash.find(key); if (ret ! _hash.end()) { _LRU_list.splice(_LRU_list.begin(), _LRU_list, ret-second); cout ret-second-second endl; return; } cout -1 endl; } void put(int key, int value) { auto ret _hash.find(key); if (ret ! _hash.end()) { ret-second-second value; } else { if (_capacity0) return; auto elem make_pair(key, value); if (_hash.size() _capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity,且_capacity0 { auto back _LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key] _LRU_list.begin(); } } private: unordered_mapint, LRU_index _hash; listpairint, int _LRU_list; int _capacity; }; int main() { int n; string str; cin n; LRUCache obj(n); while (cinstr) { if (strp) { int key, value; cin key; cin value; obj.put(key, value); } else//strg { int key; cin key; obj.get(key); } } return 0; }提交结果注:C语言模拟实现的代码将在下一篇讲3.拓展资料1.《Operating Systems. Design and Implementation Third Edition Andrew S. Tanenbaum Albert S. Woodhull》的4.4 PAGE REPLACEMENT ALGORITHMS中的4.4.6 The Least Recently Used (LRU) Page Replacement Algorithm和4.4.7 Simulating LRU in Software2.阿里、腾讯校招都爱问的 LRU 缓存你能手写出来吗附详细代码及GitHub项目3.C 读取输入直至EOF的方法: How to Read Input Until EOF in C?4.拓展练习和LRU相似的,还有一个LFU缓存淘汰算法,这篇【Linux】C模拟实现LFU缓存淘汰算法文章讲
【Linux】C++模拟实现LRU缓存淘汰算法
发布时间：2026/5/19 9:50:30
目录1.缓存的定义2.以OJ题为例,模拟实现LRU缓存LeetCode 146. LRU 缓存分析构造函数get函数put函数完整代码提交结果牛客网 REAL600 LRU Cache完整代码提交结果3.拓展资料1.缓存的定义广义上,由于CPU和内存之间、内存和磁盘之间读写速度相差较大,因此会在中间设置缓存用来提高整体的读写速度,乃至在硬盘与网络之间也有某种意义上的缓存──称为Internet临时文件夹或网络内容缓存等之前在98.【C语言】存储体系结构文章提到过这个两个图:上图摘自《深入了解计算机系统》上图摘自知乎大佬文章注:狭义上的缓存指的是位于CPU和主存间的快速RAM,通常它不像系统主存那样使用DRAM技术,而使用昂贵但较快速的SRAM技术2.以OJ题为例,模拟实现LRU缓存由于缓存的空间是有限的,满了以后那么缓存中的数据不能一直占着,肯定要有一些新的数据进入缓存供CPU使用,就要按某种算法淘汰掉一些缓存,例如淘汰掉LRU缓存LRU缓存的全称是LeastRecentlyUsed缓存,即最近最少使用缓存,是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰,以确保缓存中始终存储着最新和最频繁使用的页面也可以这样说:当缓存空间不足时,淘汰最近最久未被使用的数据,以确保缓存中始终存储着最新和最频繁使用的数据其实,LRU译成最久未使用会更形象, 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容要设计出一个LRU缓存不难,但要设计出一个高效LRU缓存有难度,需要确保任意操作都是O(1)LeetCode 146. LRU 缓存https://leetcode.cn/problems/lru-cache/description/请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。实现LRUCache类LRUCache(int capacity)以正整数作为容量capacity初始化 LRU 缓存int get(int key)如果关键字key存在于缓存中则返回关键字的值否则返回-1。void put(int key, int value)如果关键字key已经存在则变更其数据值value如果不存在则向缓存中插入该组key-value。如果插入操作导致关键字数量超过capacity则应该逐出最久未使用的关键字。函数get和put必须以O(1)的平均时间复杂度运行。示例输入[LRUCache, put, put, get, put, get, put, get, get, get] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]输出[null, null, null, 1, null, -1, null, -1, 3, 4]解释LRUCache lRUCache new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {11} lRUCache.put(2, 2); // 缓存是 {11, 22} lRUCache.get(1); // 返回 1 lRUCache.put(3, 3); // 该操作会使得关键字 2 作废缓存是 {11, 33} lRUCache.get(2); // 返回 -1 (未找到) lRUCache.put(4, 4); // 该操作会使得关键字 1 作废缓存是 {44, 33} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4提示1 capacity 30000 key 100000 value 10^5最多调用2 * 105次get和put注和这些题一样:https://leetcode.cn/problems/lru-cache-lcci/description/https://leetcode.cn/problems/OrIXps/description/分析题目中提到函数get和put必须以O(1)的平均时间复杂度运行,而且需要key-value结构,可以想到unordered_mapint,int(LeetCode提供的key和value的类型都是int),其查找和更新的时间复杂度是,但如何找出LRU缓存?LRU缓存涉及到缓存顺序问题,可以使用双向链表,例如listpairint,int,设计为:链表的末尾是最近最少使用缓存数据,而新增的缓存数据都头插到链表中(当然也可以设计为链表的头部是最近最少使用缓存数据,LeetCode对测试用例的解释就是这样的)缓存的空间是有限的,可以控制链表的最大长度为capacity如果像这样设计仍然有缺陷:unordered_mapint,int _hash; listpairint,int _LRU_list;虽然查找和新增的时间复杂度为,但是更新的时间复杂度为,更新慢在查找链表中旧的缓存数据的位置,由于_hash没有存储在链表中的位置,需要先遍历然后更新,最后移动到链表的头部解决方法:哈希表中不仅要记录每个缓存数据,而且要记录每个缓存数据,在链表中的位置(C可以使用迭代器,C语言可以使用指针),如下图typedef listpairint, int::iterator LRU_index; unordered_mapint, LRU_index _hash; listpairint,int _LRU_list;那么LRUCache类的成员变量:private: unordered_mapint, LRU_index _hash; listpairint,int _LRU_list; int _capacity;构造函数为_capacity成员变量初始化值即可,可以使用初始化成员列表LRUCache(int capacity) :_capacity(capacity) {}get函数★get(key)t涉及到查找节点,即访问了_LRU_list的缓存数据,需要更新_LRU_list上的数据,指的是将节点移动到链表头部(前面定义过了链表的末尾是最近最少使用缓存数据,而新增的缓存数据都头插到链表中)有以下两种方法:方法1.可以使用转移成员函数splice,将节点剪切到链表头部,不用更新LRU_index,未删除节点,指针仍然有效,因此迭代器不会失效方法2.先删除(erase)再头插(push_front),要更新LRU_index,因为迭代器会失效,之前讲过迭代器的本质是指针这里使用方法2:注: 返回关键字的值指的是返回key的valueint get(int key) { auto ret_hash.find(key); if (ret!_hash.end()) { //先更新_LRU_list.这里迭代器不会失效 _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); //返回时取两次,ret取得_hash的迭代器,ret-second取得_LRU_list的迭代器,ret-second-second取得value return ret-second-second; } return -1; }put函数和get函数类似,设计到到数据的访问(插入新数据,本质上也是访问数据)也要更新数据,如果_LRU_list满了,注意先删除最近最少使用缓存,然后再插入新数据void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { if (_hash.size()_capacity) { _LRU_list.push_front(make_pair(key,value)); _hash.insert(make_pair(key,_LRU_list.begin())); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(make_pair(key,value)); _hash.insert(make_pair(key,_LRU_list.begin())); } } }注:不建议写成_LRU_list.size()_capacity,原因是某些STL版本的list没有size成员变量,内部实现会手动遍历可以写得更简洁些:如果关键字key不存在,无论_hash.size()是_capacity还是_capacity都要对哈希表插入pair,而且插入哈希表可以不用Insert,使用operator[]更简洁,如下代码:void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { auto elemmake_pair(key,value); if (_hash.size()_capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key]_LRU_list.begin(); } }完整代码class LRUCache { typedef listpairint, int::iterator LRU_index; public: LRUCache(int capacity) :_capacity(capacity) {} int get(int key) { auto ret_hash.find(key); if (ret!_hash.end()) { //先更新_LRU_list.这里迭代器不会失效 _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); //返回时取两次,ret取得_hash的迭代器,ret-second取得_LRU_list的迭代器,ret-second-second取得value return ret-second-second; } return -1; } void put(int key, int value) { auto ret_hash.find(key); if (ret!_hash.end()) { ret-second-secondvalue; _LRU_list.splice(_LRU_list.begin(),_LRU_list,ret-second); } else { auto elemmake_pair(key,value); if (_hash.size()_capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity { auto back_LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key]_LRU_list.begin(); } } private: unordered_mapint, LRU_index _hash; listpairint,int _LRU_list; int _capacity; };提交结果牛客网 REAL600 LRU Cachehttps://www.nowcoder.com/practice/3da4aeb1c76042f2bc70dbcb94513338?tpId182tqId34883ru/exam/oj描述设计一个数据结构实现LRU Cache的功能(Least Recently Used – 最近最少使用缓存)。它支持如下2个操作 get 和 put。 int get(int key) – 如果key已存在则返回key对应的值value始终大于0如果key不存在则返回-1。 void put(int key, int value) – 如果key不存在将value插入如果key已存在则使用value替换原先已经存在的值。如果容量达到了限制LRU Cache需要在插入新元素之前将最近最少使用的元素删除。 请特别注意“使用”的定义新插入或获取key视为被使用一次而将已经存在的值替换更新不算被使用。 限制请在O(1)的时间复杂度内完成上述2个操作。输入描述第一行读入一个整数n表示LRU Cache的容量限制。 从第二行开始一直到文件末尾每1行代表1个操作。如果每行的第1个字符是p则该字符后面会跟随2个整数表示put操作的key和value。如果每行的第1个字符是g则该字符后面会跟随1个整数表示get操作的key。输出描述按照输入中get操作出现的顺序按行输出get操作的返回结果。示例1输入2 p 1 1 p 2 2 g 1 p 2 102 p 3 3 g 1 g 2 g 3输出1 1 -1 3说明2 //Cache容量为2 p 1 1 //put(1, 1) p 2 2 //put(2, 2) g 1 //get(1), 返回1 p 2 102 //put(2, 102)更新已存在的key不算被使用 p 3 3 //put(3, 3)容量超过限制将最近最少使用的key2清除 g 1 //get(1), 返回1 g 2 //get(2), 返回-1 g 3 //get(3), 返回3注:和https://www.nowcoder.com/practice/5dfded165916435d9defb053c63f1e84?tpId196tqId37137ru/exam/oj题一样修改LeetCode上的代码即可,注意和LeetCode不一样的地方:说明中p 2 102 //put(2, 102)更新已存在的key不算被使用缓存大小可以为0,而LeetCode是1 capacity 3000完整代码#include iostream #include list #include unordered_map #include string using namespace std; class LRUCache { typedef listpairint, int::iterator LRU_index; public: LRUCache(int capacity) :_capacity(capacity) { } void get(int key) { auto ret _hash.find(key); if (ret ! _hash.end()) { _LRU_list.splice(_LRU_list.begin(), _LRU_list, ret-second); cout ret-second-second endl; return; } cout -1 endl; } void put(int key, int value) { auto ret _hash.find(key); if (ret ! _hash.end()) { ret-second-second value; } else { if (_capacity0) return; auto elem make_pair(key, value); if (_hash.size() _capacity) { _LRU_list.push_front(elem); } else//_hash.size()_capacity,且_capacity0 { auto back _LRU_list.back(); _hash.erase(back.first); _LRU_list.pop_back(); _LRU_list.push_front(elem); } _hash[key] _LRU_list.begin(); } } private: unordered_mapint, LRU_index _hash; listpairint, int _LRU_list; int _capacity; }; int main() { int n; string str; cin n; LRUCache obj(n); while (cinstr) { if (strp) { int key, value; cin key; cin value; obj.put(key, value); } else//strg { int key; cin key; obj.get(key); } } return 0; }提交结果注:C语言模拟实现的代码将在下一篇讲3.拓展资料1.《Operating Systems. Design and Implementation Third Edition Andrew S. Tanenbaum Albert S. Woodhull》的4.4 PAGE REPLACEMENT ALGORITHMS中的4.4.6 The Least Recently Used (LRU) Page Replacement Algorithm和4.4.7 Simulating LRU in Software2.阿里、腾讯校招都爱问的 LRU 缓存你能手写出来吗附详细代码及GitHub项目3.C 读取输入直至EOF的方法: How to Read Input Until EOF in C?4.拓展练习和LRU相似的,还有一个LFU缓存淘汰算法,这篇【Linux】C模拟实现LFU缓存淘汰算法文章讲
