首页 > 其他分享> 文章详细

LRU由浅入深讲解

2022-08-11 18:04:24 阅读：187 来源： 互联网

标签：由浅入深 node 缓存 cache LRU key 讲解 Entry 节点

我们常用缓存提升数据查询速度，由于缓存容量有限，当缓存容量达到上限，就需要删除部分数据挪出空间，这样新数据才可以添加进来，缓存数据不能随机删除，一般情况下我们需要根据某种算法删除缓存数据，常用的淘汰算法有LRU,LFU,FIFO

LRU简介

LRU是Least Recently Used的缩写，这种算法认为最近使用的数据是热门数据，下一次很大概率将会再次使用，而最近最少被使用的数据，很大概率下一次不再用到，当缓存容量满的时候，优先淘汰最近最少使用的

如下图所示，队列只能够存放5个元素

当调用缓存获取key = 1的数据，LRU算法需要将这个节点移动到头节点，其余节点不变

当缓存满的时候，添加新的数据会优先淘汰最近最少使用的

LRU数据结构选择

综合以上问题，可以结合其他数据结构解决

O(1) 的快速查找，就哈希表了。光靠哈希表可以吗？哈希表是无序的，无法知道里面的键值对哪些最近访问过，哪些很久没访问。快速删除，谁合适？

数组？元素的插入/移动/删除都是 O(n)/O(n)。不行。
单向链表？删除节点需要访问前驱节点，只能花 O(n)/O(n) 从前遍历查找。不行。
双向链表，结点有前驱指针，删除/移动节点都是纯纯的指针变动，都是 O(1)/O(1)。

LRU代码实现

 package com.example;
 
 import java.util.HashMap;
 import java.util.Map;
 
 public class LRUCache {
 
     //定义头节点和尾节点
     Entry head, tail;
     //定义缓存容量大小
     int capacity;
     //定义双向链表长度
     int size;
     //定义散列表
     Map<Integer, Entry> cache;
 
     //初始化
     public LRUCache(int capacity) {
         this.capacity = capacity;
         //初始化链表
         initLinkedList();
         size = 0;
         cache = new HashMap<>(capacity + 2);
     }
 
     //如果节点不存在，返回 -1.如果存在，将节点移动到头结点，并返回节点的数据。
     public int get(int key) {
         //O(1)从HashMap中得到缓存命中的节点
         Entry node = cache.get(key);
         //如果缓存没有命中就返回-1
         if (node == null) {
             return -1;
         }
         //缓存命中执行以下操作
         moveToHead(node);
         return node.value;
     }
 
 
     //将节点加入到头结点，如果容量已满，将会删除尾结点
     public void put(int key, int value) {
         //查看放入的节点缓存能否命中
         Entry node = cache.get(key);
         //缓存命中就更新节点的值然后将节点放到队头
         if (node != null) {
             node.value = value;
             moveToHead(node);
             return;
         }
         //不存在，先加进去，再移除尾结点
 
         //此时容量已满 删除尾结点
         if (size == capacity) {
             Entry lastNode = tail.pre;
             deleteNode(lastNode);
             cache.remove(lastNode.key);
             size--;
         }
         //加入头结点
         Entry newNode = new Entry();
         newNode.key = key;
         newNode.value = value;
         addNode(newNode);
         cache.put(key, newNode);
         size++;
     }
 
     private void moveToHead(Entry node) {
         //首先删除原来节点的关系
         deleteNode(node);
         //将缓存命中的节点添加到头部
         addNode(node);
     }
 
     //将缓存命中的节点添加到头部
     private void addNode(Entry node) {
         head.next.pre = node;
         node.next = head.next;
         node.pre = head;
         head.next = node;
     }
 
     //删除双向链表中的节点
     private void deleteNode(Entry node) {
         node.pre.next = node.next;
         node.next.pre = node.pre;
     }
 
     //定义双向链表中的节点
     public static class Entry {
         public Entry pre;
         public Entry next;
         public int key;
         public int value;
 
         public Entry(int key, int value) {
             this.key = key;
             this.value = value;
         }
 
         public Entry() {
         }
     }
 
     //初始化链表
     private void initLinkedList() {
         //初始化头节点和尾节点
         head = new Entry();
         tail = new Entry();
         head.next = tail;
         tail.pre = head;
     }
 
     public static void main(String[] args) {
         LRUCache cache = new LRUCache(2);
         cache.put(1, 1);
         cache.put(2, 2); // 21
         System.out.println(cache.get(1)); // 12
         cache.put(3, 3); // 31
         System.out.println(cache.get(2));
     }
 }

标签：由浅入深,node,缓存,cache,LRU,key,讲解,Entry,节点
来源： https://www.cnblogs.com/ccywmbc/p/16576975.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

LRU由浅入深讲解

LRU简介

LRU数据结构选择

LRU代码实现