由浅入深带你手写LRU

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,Entry,手写,节点
来源： https://blog.csdn.net/goddessccy/article/details/122729396