LRU Java两种简单实现

LRU Java两种简单实现

​ LRU即Least Recently Used ,最近最少使用的缓存替换规则,此缓存策略关注于程序访问存储介质两个性质之一:时间局部性,最近访问到的内容,接下来大概率会继续访问到。LRU的实现不难,且在java中还有现成的代码可以使用以及学习。下面给出两种LRU的实现:

1.持有或继承LinkedHashMap

​ LinkedHashMap在HashMap平均O(1)的访问基础上,存储的节点额外增加了前后指向关系:

    static class Entry<K,V> extends HashMap.Node<K,V> {
        Entry<K,V> before, after;
        Entry(int hash, K key, V value, Node<K,V> next) {
            super(hash, key, value, next);
        }
    }

注:HashMap中的冲突链表转化为红黑树后,红黑树的node是继承了Entry的,所以也具备该前后指向关系

​ LinkedHashMap有head、tail成员变量,用于指向前后关系的头和尾。在LinkedHashMap中有个布尔的变量accessOrder,当为true时,此时前后的顺序为访问的时间顺序,为false时,记录的是插入的时间顺序,所以要做LRU缓存的话,需要设置为true。LinkedHashMap在插入和获取时,会调整元素的位置,调整到最新的位置上,即tail变量。这里的head和tail指向关系有点反常识,head指向的是最老的元素,tail指向的是最新的元素。

​ LinkedHashMap要实现缓存的关键点是重写removeEldestEntry方法,这是移除规则的实现方法,默认实现中是直接返回的false。比较简单的实现是判断当前存放元素的size是否达到的初始设置的容量,如果达到了就移除最久未使用的元素。

​ 完成实现如下:

public class  LRUCache_146 extends LinkedHashMap<Integer,Integer> {
    private int capacity;

    public LRUCache_146(int initialCapacity) {
        super(initialCapacity, 0.75f, true);
        this.capacity=initialCapacity;
    }
    
    public int get(int key) {
        return super.getOrDefault(key,-1);
    }

    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
        return size()>capacity;
    }

    public void put(int key, int value) {
        super.put(key, value);
    }
}

​ 这个是继承的实现,持有一个LinkedHashMap的写法类似。

2.自行实现时间的前后关系

​ 在前面的第一种实现里,时间的顺序是由LinkedHashMap维护的,在这个实现里面,自行维护时间顺序,不过在hash映射上依然使用HashMap的能力。

​ 在实现之前,应该大致捋一下里面可能涉及到的变量、方法,有个大致的思路,写起来会清晰很多,笔者抽取的要点如下:

​ a.三个成员变量:head(指向最年轻的元素)、tail(指向最年老的元素)、capacity(存储的最大容量)

​ b.当新增元素或者获取已有元素时,元素需插入到head头,即insert2Head方法

​ c.当获取已有元素时,元素需要断开原前后指向关系,并插入到head头,即move2Head方法

​ d.当容量满了时,需要移除最老的元素,即removeLastUsed方法

​ 当然存储的元素entry得有前后的指向关系,即pre和next属性。

完成实现如下:

/**
 * 最近最少使用的缓存
 */
public class LRUCache {

    Map<Integer, Entry> cache;
    Entry head, tail;
    int capacity;

    public LRUCache(int capcity) {
        this.capacity = capcity;
        cache = new HashMap<>();
    }

    public int get(int key) {
        Entry entry = cache.get(key);
        if (entry == null) {
            return -1;
        }
        //调整位置,移动到头部
        move2Head(entry);
        return entry.val;
    }

    public void put(int key, int value) {
        Entry entry = cache.get(key);
        if (entry != null) {
            //修改val并调整位置到头部
            entry.val = value;
            move2Head(entry);
        } else {
            //超过容量,移除一个最近最久未使用的元素
            if (cache.size() == capacity) {
                removeLastestUsed();
            }
            entry = new Entry(key, value);
            cache.put(key, entry);
            insert2Head(entry);
        }
    }

    /**
     * 移除最近最久未使用的元素
     */
    private void removeLastUsed() {
        if (tail == null) {
            return;
        }
        cache.remove(tail.key);
        if (tail == head) {
            tail = null;
            head = null;
            return;
        }
        Entry pre = tail.pre;
        pre.next = null;
        tail.pre = null;
        tail = pre;
    }

    /**
     * 将元素移动到头部,只对已存在的entry操作
     *
     * @param entry
     */
    private void move2Head(Entry entry) {
        Entry pre = entry.pre;
        Entry next = entry.next;
        if (pre == null) {
            //说明是head节点,不用继续操作
            return;
        }
        if (next == null) {
            //说明是尾节点,需要更改tail的指向
            pre.next = null;
            entry.pre = null;
            tail = pre;
            insert2Head(entry);
            return;
        }
        pre.next = next;
        next.pre = pre;
        insert2Head(entry);
    }

    private void insert2Head(Entry entry) {
        if (tail == null && head == null) {
            head = entry;
            tail = entry;
            return;
        }
        Entry head = this.head;
        entry.next = head;
        entry.pre = null;
        head.pre = entry;
        this.head = entry;
    }


    private static class Entry {
        int key;
        int val;
        Entry pre;
        Entry next;

        public Entry(int key, int val) {
            this.key = key;
            this.val = val;
        }
    }
}

其实更狠的是,Hash映射也自己实现,这里先留一个坑位,待后面把Hash映射实现了,再把链接放在这里。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: LRU (Least Recently Used) 算法是一种常用于缓存淘汰策略的算法,它的原理是根据数据的访问时间来进行淘汰,即最近最少使用的数据优先被淘汰。在实现 LRU 算法时,我们通常使用一个双向链表和一个哈希表来存储数据。 链表中的每个节点用来存储一个数据,节点包含三个属性:key,value 和 prev、next 指针,其中 key 和 value 分别表示数据的键和值,prev 和 next 指针用来指向前驱和后继节点。 哈希表用来存储每个数据在链表中的位置,键为数据的键,值为链表中对应节点的指针。这样,在对数据进行查找和删除时,我们只需要在哈希表中查找对应节点的指针,就可以快速地访问到链表中的数据。 每次访问数据时,我们需要将其移到链表的末尾,这样就可以保证链表的头部始终为最近最少使用的数据。当链表已满时,我们需要删除链表头部的数据,也就是最近最少使用的数据。 总的来说,实现 LRU 算法需要以下几个步骤: 1. 初始化一个双向链表和一个哈希表; 2. 每次访问数据时,将其移到链表的末尾; 3. 当链表已满时,删除链表头部的数据; 4. 在链表和哈希表中添加、删除或查找数据时,需要保证两者的一致性。 ### 回答2: Java LRU(最近最少使用)算法可以通过链表实现LRU算法是一种用于缓存淘汰的策略,它根据数据的使用情况来决定哪些数据将被保留在缓存中,哪些数据将被淘汰。在LRU算法中,最近最少使用的数据会被选择淘汰。 在Java中,我们可以使用链表实现LRU算法。链表的每个节点代表一个数据,节点的顺序表示数据的使用顺序,最近使用的数据位于链表的头部,最近最少使用的数据位于链表的尾部。 实现LRU算法的链表需要支持两个操作:插入和删除。当有新的数据被访问时,我们首先在链表中查找该数据。如果数据已经存在于链表中,我们将其从原来的位置删除,并将其插入到链表的头部。如果数据不存在于链表中,我们将其插入到链表的头部。当链表的大小达到缓存的容量上限时,我们需要删除链表尾部的节点。 通过链表实现LRU算法有一定的优势。插入和删除操作的时间复杂度为O(1),即常数时间。同时,由于链表的特性,我们可以轻松地调整节点的顺序,以实现LRU算法的功能。 总之,通过链表实现Java LRU算法是一种简单有效的方法。它通过维护一个有序的链表结构来实现数据的使用顺序,并且支持快速的插入和删除操作。这种实现方式可以用于缓存等需要快速访问和淘汰数据的场景,提高系统性能和效率。 ### 回答3: LRU(Least Recently Used,最近最少使用)算法是一种常用的缓存替换算法,用于解决缓存空间有限的情况下,有效地管理缓存中的数据。 在实现LRU算法时,通常使用双向链表和HashMap结合的方式。 双向链表是用于记录数据的访问顺序,最近访问的数据位于链表头部,而最久未访问的数据位于链表尾部。每当有数据被访问时,如果该数据在链表中已存在,则将该数据移到链表头部;如果数据不存在,则将该数据添加到链表头部。当缓存满时,需要替换最久未访问的数据,即链表尾部的数据。 HashMap用于快速定位某个数据是否在缓存中,并记录该数据在双向链表中的位置。当需要访问数据时,首先在HashMap中查找是否存在该数据,若存在,则将该数据移到链表头部,同时更新HashMap中该数据对应的位置;若不存在,则将该数据添加到链表头部,并在HashMap中添加该数据的映射。 通过以上的链表和HashMap的结合,可以实现LRU算法。当数据被访问时,可以在O(1)的时间复杂度内完成查找和移动操作,从而提高算法的效率。 总结起来,LRU算法通过双向链表和HashMap的结合,实现了对缓存中数据的高效管理,提高了数据访问效率。这种算法在很多场景下都有广泛的应用,比如操作系统的页面置换、数据库查询优化等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值