目前失业了,工作不太好找,闲暇时间,就把我总结的一些技术拿出分享一下,希望大家一起进步。不废话了,直接进入主题
LRU算法是什么? 主要用在什么地方呢? Redis 缓存淘汰策略为什么采用它?
LRU:简单来说就是最近最少使用 ,一句话很简单
只要用过Redis 的同学都知道,Redis 在设置缓存的的时候,一定要设置key 的过期时间,否则会出现OOM 这种毁灭性的问题。
Redis 的缓存删除策略:
(1)定时删除 ,时间一到 立马删除到期的key ,这种策略的缺点就是增加CPU消耗
(2)惰性删除,redis 配置一个异步进程去删除那些快要过期的key,缺点就是增加线程
(3)定期删除 配置一个job 定期去删除一些key,缺点是容易造成某些key 成为僵尸key ,无论你只有多少次删除,一直存在。
通过以上三个删除策略的讨论,Redis 采用了LRU LFU Random TTl 删除策略。
今天就给大家手写一下怎么实现LRU 算法:代码如下
/** * @auther zhangcc * @date 2022-08-30-18:09 */ public class LRUHandlerDemo{ //手写LRU算法 总体思路,构建一个map+双向链表 //map负责查找,构建一个虚拟的双向链表,它里面安装的就是一个个Node节点,作为数据载体。 //1构造一个Node 节点作为数据载体 class Node<K,V>{ K key; V value; Node<K,V> prev; Node<K,V> next; public Node(){ this.prev=this.next=null; } public Node(K key,V value){ this.key = key; this.value = value; this.prev = this.next = null; } } //2 构建一个虚拟的双向链表,里面安放的就是我们的Node class DoubleLinkedList<K,V>{ Node<K,V> head; Node<K,V> tail; //2.1构造一个虚拟的 public DoubleLinkedList(){ head = new Node<>(); tail = new Node<>(); head.next = tail; tail.prev = head; } //2.2 添加到头 public void addHead(Node<K,V> node){ node.next = head.next; node.prev = head; head.next.prev=node; head.next = node; } //2.3删除节点 public void removeNode(Node<K,V> node){ node.next.prev = node.prev; node.prev.next = node.next; node.prev = null; node.next = null; } //2.4获得最后一个节点 public Node getLast(){ return tail.prev; } } private int cacheSize; Map<Integer,Node<Integer,Integer>> map; DoubleLinkedList<Integer,Integer> doubleLinkedList; public LRUHandlerDemo(int cacheSize){ this.cacheSize = cacheSize;//坑位 map = new HashMap<>(); doubleLinkedList = new DoubleLinkedList<>(); } public int get(int key){ if(!map.containsKey(key)){ return -1; } Node<Integer, Integer> node = map.get(key); doubleLinkedList.removeNode(node); doubleLinkedList.addHead(node); return node.value; } // saveOr update 方法的作用 public void put(int key,int value){ if(map.containsKey(key)){ Node<Integer, Integer> node = map.get(key); node.value = value; map.put(key,node); doubleLinkedList.removeNode(node); doubleLinkedList.addHead(node); }else{ if(map.size() == cacheSize){ //坑位满了 Node<Integer,Integer> lastNode = doubleLinkedList.getLast(); map.remove(lastNode.key); doubleLinkedList.removeNode(lastNode); } //才是新增 Node<Integer,Integer> newNode = new Node<>(key,value); map.put(key,newNode); doubleLinkedList.addHead(newNode); } }