江苏龙网

  1. 主页 > 生活百科 > >

手写最简单的LRU算法

LRU算法

1 什么是LRULRU（Least recently used）最近最少使用，它的核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高” 。因此 LRU 算法会根据数据的历史访问记录来进行排序，如果空间不足，就会淘汰掉最近最少使用的数据 。
2 LRU 实现原理由于 LRU 算法会将最近使用的数据优先级上升，因此需要数据结构支持排序，链表非常合适 。
为什么不考虑数组呢？
由于 LRU 算法，一般都会应用在访问比较频繁的场景，因此，对数据的移动会频繁，而数组一旦移动，需要将移动到值的位置后面的所有数据的位置全部改变，效率比较低，不推荐使用 。
3 双向链表之LinkedHashMap前面我们分析到 LRU 的算法实现，可以使用链表实现，JAVA 中 LinkedHashMap 就是一个双向链表 。
LinkedHashMap是HashMap的子类，在HashMap数据结构的基础上，还维护着一个双向链表链接所有entry，这个链表定义了迭代顺序，通常是数据插入的顺序 。
我们来看看LinkedHashMap的源码：

手写最简单的LRU算法

文章插图
 
从源码中的定义可以看到，accessOrder 属性可以指定遍历 LinkedHashMap 的顺序，true 表示按照访问顺序，false 表示按照插入顺序，默认为 false 。
由于LRU对访问顺序敏感，因此使用true来简单验证一下：
public class LRUTest {public static void main(String[] args) {LinkedHashMap<String, Object> map = new LinkedHashMap<>(16, 0.75f, true);map.put("a", 1);map.put("b", 2);map.put("c", 3);System.out.println("before get " + map);map.get("a");System.out.println("after get" + map);}}运行结果如下：
before get {a=1, b=2, c=3}after get{b=2, c=3, a=1}可以看到通过 accessOrder = true，可以让 LinkedHashMap 按照访问顺序进行排序 。
那么 LinkedHashMap 是怎么做的呢？
我们看下get方法
public V get(Object key) {Node<K,V> e;// 获取nodeif ((e = getNode(hash(key), key)) == null)return null;// 如果 accessOrder = true，则执行afterNodeAccess方法if (accessOrder)afterNodeAccess(e);return e.value;}再看下afterNodeAccess方法，发现进行移动节点，到此移动节点的原理我们了解了
void afterNodeAccess(Node<K,V> e) { // move node to lastLinkedHashMap.Entry<K,V> last;if (accessOrder && (last = tail) != e) {LinkedHashMap.Entry<K,V> p =(LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;p.after = null;if (b == null)head = a;elseb.after = a;if (a != null)a.before = b;elselast = b;if (last == null)head = p;else {p.before = last;last.after = p;}tail = p;++modCount;}}目前，如果使用 LinkedHashMap 做LRU，还有一个问题困扰着我们，就是如果容量有限，该如何淘汰旧数据？
我们回过头看看 put 方法
public V put(K key, V value) {return putVal(hash(key), key, value, false, true);}final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {Node<K,V>[] tab; Node<K,V> p; int n, i;if ((tab = table) == null || (n = tab.length) == 0)n = (tab = resize()).length;if ((p = tab[i = (n - 1) & hash]) == null)tab[i] = newNode(hash, key, value, null);else {Node<K,V> e; K k;if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p;else if (p instanceof TreeNode)e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);else {for (int binCount = 0; ; ++binCount) {if ((e = p.next) == null) {p.next = newNode(hash, key, value, null);if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1sttreeifyBin(tab, hash);break;}if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))break;p = e;}}if (e != null) { // existing mApping for keyV oldValue = https://www.isolves.com/it/cxkf/sf/2020-11-09/e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;afterNodeAccess(e);return oldValue;}}++modCount;if (++size > threshold)resize();afterNodeInsertion(evict);return null;}void afterNodeInsertion(boolean evict) { // possibly remove eldestLinkedHashMap.Entry first;if (evict && (first = head) != null && removeEldestEntry(first)) {K key = first.key;removeNode(hash(key), key, null, false, true);}}【手写最简单的LRU算法】从put方法中逐步看下来，最终我们发现，如果 removeEldestEntry(first) 方法返回true，则会移除 head，这样就淘汰了最近都没使用的数据 。完全符合LRU 。
4 最简单的LRU实现根据上面分析，我们可以如下实现一个最简单的LRU
public class LRUCache<K,V> extends LinkedHashMap<K,V> {private int cacheSize;public LRUCache(int cacheSize) {// 注意：此处需要让 accessOrder = truesuper(cacheSize, 0.75f, true);this.cacheSize = cacheSize;}/*** 判断元素个数是否超过缓存的容量，超过需要移除*/@Overrideprotected boolean removeEldestEntry(Map.Entry<K, V> eldest) {return size() > cacheSize;}}


推荐阅读


上一篇：删除列表中重复的元素算法

下一篇：什么是NFC？近场通信用途，芯片，标签和阅读器介绍