怎么手寫最簡單的LRU算法

本篇內容主要講解“怎么手寫最簡單的LRU算法”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“怎么手寫最簡單的LRU算法”吧!

1 什么是LRU

LRU(Least recently used)最近最少使用，它的核心思想是“如果數據最近被訪問過，那么將來被訪問的幾率也更高”。因此 LRU  算法會根據數據的歷史訪問記錄來進行排序，如果空間不足，就會淘汰掉最近最少使用的數據。

2 LRU 實現原理

由于 LRU 算法會將最近使用的數據優先級上升，因此需要數據結構支持排序，鏈表非常合適。

為什么不考慮數組呢?

由于 LRU  算法，一般都會應用在訪問比較頻繁的場景，因此，對數據的移動會頻繁，而數組一旦移動，需要將移動到值的位置后面的所有數據的位置全部改變，效率比較低，不推薦使用。

3 雙向鏈表之LinkedHashMap

前面我們分析到 LRU 的算法實現，可以使用鏈表實現，java 中 LinkedHashMap 就是一個雙向鏈表。

LinkedHashMap是HashMap的子類，在HashMap數據結構的基礎上，還維護著一個雙向鏈表鏈接所有entry，這個鏈表定義了迭代順序，通常是數據插入的順序。

我們來看看LinkedHashMap的源碼：

從源碼中的定義可以看到，accessOrder 屬性可以指定遍歷 LinkedHashMap 的順序，true 表示按照訪問順序，false  表示按照插入順序，默認為 false。

由于LRU對訪問順序敏感，因此使用true來簡單驗證一下：

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);     }}

運行結果如下：

before get {a=1, b=2, c=3} after get{b=2, c=3, a=1}

可以看到通過 accessOrder = true，可以讓 LinkedHashMap 按照訪問順序進行排序。

那么 LinkedHashMap 是怎么做的呢?

我們看下get方法

public V get(Object key) {     Node<K,V> e;     // 獲取node     if ((e = getNode(hash(key), key)) == null)         return null;     // 如果 accessOrder = true，則執行afterNodeAccess方法     if (accessOrder)         afterNodeAccess(e);     return e.value; }

再看下afterNodeAccess方法，發現進行移動節點，到此移動節點的原理我們了解了

void afterNodeAccess(Node<K,V> e) { // move node to last    LinkedHashMap.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;        else            b.after = a;        if (a != null)            a.before = b;        else            last = 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，還有一個問題困擾著我們，就是如果容量有限，該如何淘汰舊數據?

我們回過頭看看 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 1st                         treeifyBin(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 key             V oldValue = 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 eldest     LinkedHashMap.Entry<K,V> first;     if (evict && (first = head) != null && removeEldestEntry(first)) {         K key = first.key;         removeNode(hash(key), key, null, false, true);     } }

從put方法中逐步看下來，最終我們發現，如果 removeEldestEntry(first) 方法返回true，則會移除  head，這樣就淘汰了最近都沒使用的數據。完全符合LRU。

4 最簡單的LRU實現

根據上面分析，我們可以如下實現一個最簡單的LRU

public class LRUCache<K,V> extends LinkedHashMap<K,V> {       private int cacheSize;     public LRUCache(int cacheSize) {       // 注意：此處需要讓 accessOrder = true       super(cacheSize, 0.75f, true);       this.cacheSize = cacheSize;   }   /**    * 判斷元素個數是否超過緩存的容量，超過需要移除    */   @Override   protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {       return size() > cacheSize;   } }

到此，相信大家對“怎么手寫最簡單的LRU算法”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！