LRU原来如此简单

---

前言

现在缓存技术在项目中随处可见，但是有一点，毕竟缓存这个东西还是稀有的，毕竟不像硬盘资源那么广，所以缓存如何高效的使用，不浪费，及时保存热点数据那可是很重要的了。接下来带你了解下大名鼎鼎的LRU以及LFU，以及用代码是如何实现的

一、LRU是什么？

LRU全称 “Least Recently Used”，最近最少使用策略，判断最近被使用的时间，距离目前最远的数据优先被淘汰，作为一种根据访问时间来更改链表顺序从而实现缓存淘汰的算法。
简单介绍：就是经常使用的数据在链表的头部，冷数据在尾部，一旦链表容量不够（缓存空间满了），执行删除尾部策略。一般来说链表的增删是快，但是有个缺点就是查询慢，LRU为了获取元素快，肯定是不能每次逐个遍历获取的元素的，所以还有个HashMap来获取你需要的元素，复杂度O(1)。

二、LFU是什么？

LFU，全称是:Least Frequently Used，最不经常使用策略，在一段时间内，数据被使用频次最少的，优先被淘汰。最少使用（LFU）是一种用于管理计算机内存的缓存算法。主要是记录和追踪内存块的使用次数，当缓存已满并且需要更多空间时，系统将以最低内存块使用频率清除内存.采用LFU算法的最简单方法是为每个加载到缓存的块分配一个计数器。每次引用该块时，计数器将增加一。当缓存达到容量并有一个新的内存块等待插入时，系统将搜索计数器最低的块并将其从缓存中删除。redis启用回收策略就有LFU

三、LRU和LFU的比较

其实LFU比LRU多了一个就是每次添加，获取增加次数记录。在链表的开始插入元素，然后每插入一次计数一次，接着按照次数重新排序链表，如果次数相同的话，按照插入时间排序，然后从链表尾部选择淘汰的数据。

LRU和LFU侧重点不同，LRU主要体现在对元素的使用时间上，而LFU主要体现在对元素的使用频次上。LFU的缺陷是：在短期的时间内，对某些缓存的访问频次很高，这些缓存会立刻晋升为热点数据，而保证不会淘汰，这样会驻留在系统内存里面。而实际上，这部分数据只是短暂的高频率访问，之后将会长期不访问，瞬时的高频访问将会造成这部分数据的引用频率加快，而一些新加入的缓存很容易被快速删除，因为它们的引用频率很低。

四、LFU代码实现（看懂LFU就自然懂了LRU了）

1、LFU类

在这里插入代码片public class LFU<K, V> {

    /**
     * 容量
     */
    private int capacity;

    private Map<K, Node> caches;

    /**
     * 添加
     *
     * @param key
     * @param value
     */
    public void put(K key, V value) {
        Node node = caches.get(key);
        if (node == null) {
            if (capacity == caches.size()) {
                //去除不活跃的数据
                K leastKey = removeLeastCount();
                caches.remove(leastKey);
            }
            node = new Node(key, value, System.nanoTime(), 1);
            caches.put(key, node);
        } else {
            node.value = value;
            node.setCount(node.getCount() + 1);
            node.setTime(System.nanoTime());
        }
        sort();
    }

    /**
     * 获取元素
     *
     * @param key
     * @return
     */
    public V get(K key) {
        Node node = caches.get(key);
        if (node != null) {
            node.setCount(node.getCount() + 1);
            node.setTime(System.nanoTime());
            sort();
            return (V) node.value;
        }
        return null;
    }

    /**
     * 排序
     */
    private void sort() {
        List<Map.Entry<K, Node>> list = new ArrayList<>(caches.entrySet());
        Collections.sort(list, new Comparator<Map.Entry<K, Node>>() {
            @Override
            public int compare(Map.Entry<K, Node> o1, Map.Entry<K, Node> o2) {
                //调用 Node重写的compable方法
                return o2.getValue().compareTo(o1.getValue());
            }
        });

        caches.clear();
        for (Map.Entry<K, Node> kNodeEntry : list) {
            caches.put(kNodeEntry.getKey(), kNodeEntry.getValue());
        }
    }

    /**
     * 移除统计数或者时间比较最小的那个
     *
     * @return
     */
    private K removeLeastCount() {
        Collection<Node> values = caches.values();
        //min 方法会调用 Node重写的compable方法
        Node min = Collections.min(values);
        return (K) min.getKey();
    }

    public LFU() {
    }

    public LFU(int size) {
        this.capacity = size;
        caches = new LinkedHashMap<>(size);
    }

    public int getCapacity() {
        return capacity;
    }

    public void setCapacity(int capacity) {
        this.capacity = capacity;
    }

    public Map<K, Node> getCaches() {
        return caches;
    }

    public void setCaches(Map<K, Node> caches) {
        this.caches = caches;
    }
}

2、Node类

package com.cloud.order.util;

public class Node implements Comparable<Node> {

    Object key;
    Object value;
    long time;
    int count;

    @Override
    public int compareTo(Node o) {
        //在数目相同的情况下 比较时间
        int compare = Integer.compare(this.count, o.count);
        if (compare == 0) {
            return Long.compare(this.time, o.time);
        }
        return compare;
    }

    public Node() {
    }

    public Node(Object key, Object value, long time, int count) {
        this.key = key;
        this.value = value;
        this.time = time;
        this.count = count;
    }

    public Object getKey() {
        return key;
    }

    public void setKey(Object key) {
        this.key = key;
    }

    public Object getValue() {
        return value;
    }

    public void setValue(Object value) {
        this.value = value;
    }

    public long getTime() {
        return time;
    }

    public void setTime(long time) {
        this.time = time;
    }

    public int getCount() {
        return count;
    }

    public void setCount(int count) {
        this.count = count;
    }
}

3、测试

package com.cloud.order.util;

import java.util.Map;

public class TestLru {

    public static void main(String[] args) {
        LFU<Integer, String> lfuList = new LFU<>(5);
        lfuList.put(1, "A");
        lfuList.put(2, "B");
        lfuList.put(3, "C");
        lfuList.put(4, "D");
        lfuList.put(5, "E");
        lfuList.put(6, "F");

        Map<Integer, Node> caches = (Map<Integer, Node>) lfuList.getCaches();
        for (Map.Entry<Integer, Node> nodeEntry : caches.entrySet()) {
            System.out.println(nodeEntry.getValue().value);
        }
    }
}

写在最后，感谢点赞关注收藏转发

欢迎关注我的微信公众号 【猿之村】

来聊聊Java面试
加我的微信进一步交流和学习，微信手动搜索
【codeyuanzhicunup】添加即可
如有相关技术问题欢迎留言探讨，公众号主要用于技术分享，包括常见面试题剖析、以及源码解读、微服务框架、技术热点等。