手写一个LRU算法

概述

LRU（Least Recently Used）是一种常见的缓存淘汰策略，用于在缓存容量不足时确定要淘汰的缓存项。LRU策略基于一种简单的思想：最近最少使用的项最先被淘汰。

工作原理

1.当一个数据被访问时，它就被标记为最近使用过的。
2.当缓存满了且需要淘汰一个数据项时，LRU算法会选择最近最少使用的数据项进行淘汰。

实现

下面我们采用双向链表 + 哈希表的方式手写一个LRU算法。

底层数据结构

 // Hash表,用于快速查找节点
private Map<Integer,Node> cache;
// 缓存容量,当超过容量需要淘汰
private int capacity;
// 链表头节点，标记最近访问的节点
private Node head;
// 链表尾节点，标记最旧的节点
private Node tail;
// 记录一个size，提升性能
private int size;

// Node节点信息
class Node{
     int key;
     int value;
     Node pre;
     Node next;
}

初始化

public LRUCache(int capacity) {
    // 创建hash表,提前知道容量，防止map扩容，增加性能
    this.cache = new HashMap<>((int)(capacity / 0.75) + 1);
    // 设置容量
    this.capacity = capacity;
    this.size = 0;
    // 构建双向链表
    head = new Node();
    tail = new Node();
    head.next = tail;
    tail.pre = head;

    }

删除节点

  // 移除链表中的节点
private void removeNode(Node node){
     Node pre = node.pre;
     Node next = node.next;
     pre.next = next;
     next.pre = pre;
}

添加到头节点

 private void addToFront(Node node){
     Node next = head.next;
     head.next = node;
     node.pre = head;
     node.next = next;
     next.pre = node;
}

移动到头节点

public void moveToHead(Node node) {
        if(head.next == node){
            return;
        }
        removeNode(node);
        addToHead(node);
    }

操作hash表

// get获取元素
 public int get(int key){
    public int get(int key) {
        Node node = cache.get(key);
        if (node == null) {
            return -1;
        }
        moveToHead(node);
        return node.value;
    }
}

// add增加元素
    public void put(int key,int value){
    	 Node node = cache.get(key);
        if (node != null) {
            node.value = value;
            moveToHead(node);
            return;
        }
        Node newNode = new Node();
        newNode.key = key;
        newNode.value = value;
        cache.put(key,newNode);
        addToHead(newNode);
        size++;
        if (size > capacity) {
            cache.remove(tail.pre.key);
            removeNode(tail.pre);
            size--;
        }
    }

完整代码

public class LRUCache {
    private Map<Integer, Node> cache;
    private int capacity;
    private int size;
    private  Node head ;
    private  Node tail ;


    public LRUCache(int capacity) {
        this.cache = new HashMap<>((int)(capacity / 0.75) + 1);
        this.capacity = capacity;
        this.size = 0;
        head = new Node();
        tail = new Node();
        head.next = tail;
        tail.pre = head;
    }

    public void addToHead(Node node) {
        Node next = head.next;
        head.next = node;
        node.pre = head;
        node.next = next;
        next.pre = node;
    }


    public void moveToHead(Node node) {
        if(head.next == node){
            return;
        }
        removeNode(node);
        addToHead(node);
    }




    public void removeNode(Node node) {
        Node next = node.next;
        Node pre = node.pre;
        pre.next = next;
        next.pre = pre;

    }




    public int get(int key) {
        Node node = cache.get(key);
        if (node == null) {
            return -1;
        }
        moveToHead(node);
        return node.value;
    }


    public void put(int key, int value) {
        Node node = cache.get(key);
        if (node != null) {
            node.value = value;
            moveToHead(node);
            return;
        }
        Node newNode = new Node();
        newNode.key = key;
        newNode.value = value;
        cache.put(key,newNode);
        addToHead(newNode);
        size++;
        if (size > capacity) {
            cache.remove(tail.pre.key);
            removeNode(tail.pre);
            size--;
        }

    }

    @Data
    class Node {
        Node pre;
        Node next;
        int key;
        int value;

    }