LRU算法
LRU是Least Recently Used的缩写,即最近最少使用算法,是操作系统中页面置换算法的一种,由于内存中存放的页数有限,所以将最近没有使用到的算法会移出内存。
LRU原理:
LRU原理如下图所示:
它会将最近访问的节点放在前面,将最近没有访问的节点放在后面。如果缓存空间满了,就会将最后一个节点删掉,并将新的节点添加到首部。
Java实现
对于链式存储的结构,使用到的集合有ArrayList和LinkedList,而ArrayList底层是基于数组的,对元素的移动花费的时间复杂度较高,所以使用LinkedList,基于链表形式的,并且是双向链表,因为要考虑删除节点。而链表的查找时间复杂度也高,但是可以通过使用hash进行快速定位。所以,LRU算法可以通过双向链表和hash来进行实现。
代码部分
手动实现双向链表:
import java.util.HashMap;
import java.util.Map;
public class LRUCache {
//定义map映射
private Map<String, Node> map;
//定义缓存容量
private int capacity = 8;
//缓存中当前有一个数据
private int size = 0;
//链表的头结点和尾结点
private Node head, tail;
//从缓存中读取数据
public int get(String key) {
Node node = map.get(key);
//如果能找到,就将节点移动到链表头部,没有返回-1
if (node != null) {
moveToHead(node);
return node.value;
}
return -1;
}
//将节点添加到缓存中
public void put(String key, int value) {
if(capacity == 0) return;
Node node = map.get(key);
if (node != null) {
//如果存在,就将这个点的值进行修改并移到链表头部
node.value = value;
moveToHead(node);
return;
}
//如果不存在,先判断空间缓存空间是否足够
if (size == capacity) {
map.remove(tail.pre.key);
deleteNode(tail.pre);
size -= 1;
}
Node newNode = new Node(key, value);
addToHead(newNode);
map.put(key, newNode);
size += 1;
}
//将节点移到头结点
private void moveToHead(Node node) {
deleteNode(node);
addToHead(node);
}
//将节点添加到头部
private void addToHead(Node node) {
node.next = head.next;
head.next.pre = node;
node.pre = head;
head.next = node;
}
//删除这个节点
private void deleteNode(Node node) {
node.pre.next = node.next;
node.next.pre = node.pre;
}
public LRUCache(int capacity) {
this.capacity = capacity;
initLinkedList();
map = new HashMap<>(capacity);
size = 0;
}
//初始化链表
private void initLinkedList() {
head = new Node();
tail = new Node();
head.next = tail;
tail.pre = head;
}
public LRUCache() {
initLinkedList();
map = new HashMap<>(this.capacity);
}
public static class Node {
public Node pre;
public Node next;
public String key;
public int value;
public Node(String key, int value) {
this.key = key;
this.value = value;
}
public Node() {
}
}
public static void main(String[] args) {
LRUCache cache = new LRUCache(2);
cache.put("key1", 1);
cache.put("key2", 2);
System.out.println(cache.get("key2"));//21
cache.put("key3", 3);
System.out.println(cache.get("key1"));//32
}
}
调用LinkedList API进行实现
import java.util.HashMap;
import java.util.LinkedList;
import java.util.Map;
public class LRUCache {
//定义map映射
private Map<String, Node> map;
//定义缓存容量
private int capacity = 8;
private LinkedList<Node> list = new LinkedList<>();
//从缓存中读取数据
public int get(String key) {
Node node = map.get(key);
//如果能找到,就将节点移动到链表头部,没有返回-1
if (node != null) {
list.remove(node);
list.addFirst(node);
return node.value;
}
return -1;
}
//将节点添加到缓存中
public void put(String key, int value) {
if(capacity == 0) return;
Node node = map.get(key);
if (node != null) {
//如果存在,就将这个点的值进行修改并移到链表头部
node.value = value;
list.remove(node);
list.addFirst(node);
return;
}
//如果不存在,先判断空间缓存空间是否足够
if (list.size() == capacity) {
//如果存在,要将map和LinkedList中的删掉
map.remove(list.getLast().key);
list.removeLast();
}
Node newNode = new Node(key, value);
map.put(key, newNode);
list.addFirst(newNode);
}
public LRUCache(int capacity) {
this.capacity = capacity;
//也是定义map的容量,其实这一步没必要
map = new HashMap<>(capacity);
}
public LRUCache() {
map = new HashMap<>(this.capacity);
}
public static class Node {
public String key;
public int value;
public Node(String key, int value) {
this.key = key;
this.value = value;
}
public Node() {
}
}
public static void main(String[] args) {
LRUCache cache = new LRUCache(2);
cache.put("key1",1);
cache.put("key2",2);
System.out.println(cache.get("key2")); //21
cache.put("key3",3);
System.out.println(cache.get("key1")); //32
}
}
LFU算法
LFU是 Least Frequently Used 的缩写,即最近最少访问频率,也是操作系统中页面调换算法的一种,将最近使用频率最小,并且很长时间没使用的页面调出内存。
LFU原理
其中,一个map存储频率和节点的集合之间的关系,即 freq - list,另一个map存储key - node 之间的关系。从key - node 中读到节点,然后去 freq - list 中将节点添加到对应的list集合中
代码部分
由于对每一个频率都要创建一个链表来存储,所以这里直接使用 Java 中的 API 进行实现
package cache;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.Map;
public class LFUCache {
private Map<String,Node> key_node;
private Map<Integer, LinkedList<Node>> freq_list;
private int capacity = 2;
private int minFreq = 1;
public int get(String key){
//如果不包含这个数,返回-1
if(!key_node.containsKey(key)) return -1;
Node node = key_node.get(key);
//获得节点的频率
int freq = node.freq;
//当前节点频率加1
node.freq += 1;
//从对应的集合中删除节点
freq_list.get(freq).remove(node);
//如果删除完节点为0,删除集合
if(freq_list.get(freq).size() == 0){
freq_list.remove(freq);
if(freq == minFreq){
minFreq += 1;
}
}
LinkedList<Node> list = freq_list.getOrDefault(freq + 1, new LinkedList<Node>());
list.addFirst(node);
freq_list.put(freq + 1, list);
return node.value;
}
public void put(String key,int value){
if(capacity == 0) return ;
Node node = key_node.get(key);
if(node != null){
//获取当前节点的频率
int freq = node.freq;
node.freq += 1;
node.value = value;
//从对应的频率节点的集合中删除节点
freq_list.get(freq).remove(node);
//如果集合中没有了元素,就将集合删除
if(freq_list.get(freq).size() == 0){
freq_list.remove(freq);
//如果删除的是最小的频次,就让最小的频次加1
if(freq == minFreq){
minFreq += 1;
}
}
//将节点移动到下一个频率的节点集合中
LinkedList<Node> list = freq_list.getOrDefault(freq + 1, new LinkedList<Node>());
list.offerFirst(node);
freq_list.put(freq + 1, list);
key_node.put(key, node);
}else {
Node newNode = new Node(key,value,1);
//如果缓存容量已经满了,需要将使用频率最低并且长时间没使用的数据删除
if(key_node.size() == capacity){
Node lastNode = freq_list.get(minFreq).pollLast();
key_node.remove(lastNode.key);
if(freq_list.get(minFreq).size() == 0){
freq_list.remove(minFreq);
}
}
//将新的节点添加到集合中
key_node.put(key,newNode);
LinkedList<Node> list = freq_list.getOrDefault(1, new LinkedList<Node>());
list.offerFirst(newNode);
freq_list.put(1,list);
minFreq = 1;
}
}
public LFUCache(int capacity) {
this.capacity = capacity;
key_node = new HashMap<>();
freq_list = new HashMap<>();
}
public LFUCache() {
key_node = new HashMap<>();
freq_list = new HashMap<>();
}
public static class Node{
public String key;
public int value;
public int freq;
public Node() {
}
public Node(String key, int value, int freq) {
this.key = key;
this.value = value;
this.freq = freq;
}
}
public static void main(String[] args) {
LFUCache cache = new LFUCache(2);
cache.put("key1",1); //1
cache.put("key2",2); //21
cache.put("key3",3); //32
System.out.println(cache.get("key1"));
System.out.println(cache.get("key2"));
System.out.println(cache.get("key3"));
cache.put("key1",1); //13
System.out.println(cache.get("key1"));
System.out.println(cache.get("key2"));
System.out.println(cache.get("key3"));
cache.put("key2",2); //21
cache.put("key1",1); //12
}
}