LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其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，相反如果很长时间未被访问，则它在最近一段时间内也不会被访问。实现方式有很多种，这里先介绍基于数组和单链表的实现方式。
基于数组的LRU
首位置保存最新访问数据，末尾位置优先清理。
- 如果此数据之前已经被缓存在数组中了，查找到其位置并从原位置中删除该数据，将位置之前的数据依次右移一位，保存此数据到数组第一个元素位置上。
- 如果此数据没有在缓存数组中，又可以分为两种情况：
- 如果此时缓存未满，将数组中数据全部右移一位，保存此数据到数组第一个元素位置上。
- 如果此时缓存已满，将数组最后一位数据删除，再将数组中数据全部右移一位，保存此数据到数组第一个元素位置上。
public class LRUBasedArray<T> { private final int DEFAUL_CAPACITY = 10; private Integer capacity; private Integer count; private T[] value; /** * 用于元素记录所在数组位置 */ private Map<T, Integer> holder;
public LRUBasedArray() { this.capacity = this.DEFAUL_CAPACITY; this.value = (T[]) new Object[capacity]; this.count = 0; this.holder = new HashMap<T, Integer>(capacity); }
public LRUBasedArray(Integer capacity) { this.capacity = capacity; this.value = (T[]) new Object[capacity]; this.count = 0; this.holder = new HashMap<T, Integer>(capacity); }
/** * 缓存数据 * @param data */ public void add(T data){ if (data == null){ throw new IllegalArgumentException("该缓存容器不支持null!"); } Integer index = holder.get(data); if (index != null){ // 向右移动 update(index); }else { // 是否已满 if (isFull()){ // 删除，更新 removeAndCache(data); }else { // 右移元素更新 cache(data, count); } } }
/** * 数据之前已在数组中，将数组中的对应数据更新到数组开始。 * @param index */ private void update(Integer index){ T key = value[index]; rightOffer(index); value[0] = key; holder.put(key,0); }
/** * 向数组插入新数据 * @param data * @param end */ private void cache(T data, Integer end){ rightOffer(end); value[0] = data; holder.put(data,0); count++; }
/** * 删数组最后一位，并将新数据保存到数组开始 * @param data */ private void removeAndCache(T data){ T key = value[--count]; holder.remove(key); cache(data, count); }
/** * index左侧的统一向右移动一位 * @param index */ private void rightOffer(Integer index){ for (int i=index;i>0;i--){ value[i] = value[i-1]; holder.put(value[i],i); } }
/** * 判断数组是否已满 * @return */ private boolean isFull(){ return count == capacity; }
@Override public String toString() { StringBuilder sb = new StringBuilder(); for (int i = 0; i < count; i++) { sb.append(value[i]); sb.append(" "); } return sb.toString(); }
public static void main(String[] args) { LRUBasedArray<Integer> array = new LRUBasedArray(); Random random = new Random(20); int num = 0; for (int i=0;i<20;i++){ num = random.nextInt(20); array.add(num); PrintUtill.println("插入"+ num + ":"); PrintUtill.println(array.toString()); } }
}当然也可以首位置优先清理，末尾位置保存最新访问数据，思想类似，这里就不再赘述。
基于单链表
维护一个有序单链表，越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时，我们从链表头开始顺序遍历链表。
- 如果此数据之前已经被缓存在链表中了，我们遍历得到这个数据对应的结点，并将其从原来的位置删除，然后再插入到链表的头部。
- 如果此数据没有在缓存链表中，又可以分为两种情况：
- 如果此时缓存未满，则将此结点直接插入到链表的头部；
- 如果此时缓存已满，则链表尾结点删除，将新的数据结点插入链表的头部。
public class LRUBaseLinkedList<T> { /** * 默认容量 */ private final int DEFAUL_CAPACITY = 10;
/** * 头结点 */ private SNode<T> head; /** * 链表长度 */ private Integer length; /** * 链表容量 */ private Integer capacipy;
public LRUBaseLinkedList() { this.head = new SNode<>(); this.length = 0; this.capacipy = DEFAUL_CAPACITY; }
public LRUBaseLinkedList(Integer capacipy) { this.head = new SNode<>(); this.length = 0; this.capacipy = capacipy; }
/** * 缓存数据 * @param data */ public void add(T data){ SNode preNode = findPreNode(data); if (preNode != null){ // 删除节点 deleteElemOptim(preNode); }else { // 节点不存在，队列是否已满 if (length>=capacipy){ // 已满，删除队尾 deleteElemAtEnd(); } } // 将节点插入到头 intsertElemAtBegin(data); }
/** * 删除某个结点 * @param node */ public void deleteElemOptim(SNode node){ node.setNext(node.getNext().getNext()); length--; }
/** * 删除链表尾部的结点 */ public void deleteElemAtEnd(){ SNode node = head;
if (node.getNext() == null) return;
while (node.getNext().getNext() != null){ node = node.getNext(); } node.getNext().setNext(null); length--;
}
/** * 在头部插入结点 * @param data */ public void intsertElemAtBegin(T data){ SNode node = new SNode(data, head.getNext()); head.setNext(node); length++; }
/** * 获取查找到元素的前一个节点 * @param data * @return */ private SNode findPreNode(T data){ SNode node = head; while (node.getNext() != null){ if (node.getNext().element.equals(data)){ return node; } node = node.getNext(); } return null; }
private void printAll(){ SNode node = head.getNext(); while (node!=null){ PrintUtill.print(node.element+">"); node = node.getNext(); } PrintUtill.printlnRule();
}
public class SNode<T> { private T element; private SNode next;
public SNode() { this.next = null; }
public SNode(T element, SNode next) { this.element = element; this.next = next; }
public T getElement() { return element; }
public void setElement(T element) { this.element = element; }
public SNode getNext() { return next; }
public void setNext(SNode next) { this.next = next; } }
public static void main(String[] args) { LRUBaseLinkedList<Integer> list = new LRUBaseLinkedList<Integer>(); Random random = new Random(20); int num = 0; for (int i=0;i<20;i++){ num = random.nextInt(20); list.add(num); PrintUtill.println("插入"+ num + ":"); list.printAll(); }
}}延伸
什么是缓存
缓存是一种提高数据读取性能的技术，在硬件设计、软件开发中都有着非常广泛的应用，比如常见的 CPU 缓存、数据库缓存、浏览器缓存等等。
缓存的大小有限，当缓存被用满时，哪些数据应该被清理出去，哪些数据应该被保留？这就需要缓存淘汰策略来决定。
有哪些缓存淘汰策略？
常见的策略有三种：先进先出策略 FIFO（First In，First Out）、最少使用策略 LFU（Least Frequently Used）、最近最少使用策略 LRU（Least Recently Used）。
评论