LRU缓存为什么比哈希映射表快？

LRU（Least Recently Used）缓存是一种实现缓存淘汰策略的方法。在缓存淘汰时，最近最少使用的缓存数据会先被淘汰。相比之下，哈希映射表需要在获取键值对的时候遍历所有的键，然后才能找到对应的值。

以下是一个使用Python实现LRU缓存的示例代码：

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
        self.cache.move_to_end(key)
        return self.cache[key]

    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            self.cache.move_to_end(key)
        self.cache[key] = value
        if len(self.cache) > self.capacity:
            self.cache.popitem(last=False)

这里使用了Python的OrderedDict类来实现LRU缓存。在初始化时，需要指定缓存的容量。在get方法中，如果键不在缓存中，则返回-1；否则将键值对移到最后，并返回对应的值。在put方法中，如果键已经在缓存中，就将其移到最后，否则加入缓存。如果缓存已满，则删除最久未使用的键值对。由于OrderedDict会记录插入顺序，因此在put、get操作时可以很方便地调整键值对的位置。

相比之下，哈希映射表不支持按照顺序存储，无法实现LRU缓存。因此使用LRU缓存可以更加高效地解决需要淘汰缓存的问题。