什么是LRU算法?
当我们处理大量数据时,经常需要使用缓存来提高性能。LRU(最近最少使用)算法是一种常用的缓存淘汰策略,用于在缓存空间不足时选择要删除的数据。
首先,我们需要了解LRU算法的工作原理。LRU算法的核心思想是基于数据的访问模式:最近被访问的数据很可能在不久的将来再次被访问,而最久未被访问的数据可能很快就会被废弃。LRU算法基于这个思想,将最近访问的数据保留在缓存中,而淘汰最久未被访问的数据。
用java实现LRU算法
基于Java中LinkedHashMap实现
在Java中,我们可以使用LinkedHashMap来实现LRU算法。LinkedHashMap是Java集合框架中的一个具体实现,它继承自HashMap,但是又以双向链表的形式维护元素的顺序。我们可以设置LinkedHashMap的访问顺序模式(accessOrder)为true,这样每次访问一个元素时,它会被放到最后。当缓存空间不足时,我们只需要删除链表头部的元素即可。
import java.util.LinkedHashMap;
import java.util.Map;
public class LRUCache<K, V> extends LinkedHashMap<K, V> {
private final int capacity;
public LRUCache(int capacity) {
super(capacity, 0.75f, true);
this.capacity = capacity;
}
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > capacity;
}
public static void main(String[] args) {
LRUCache<Integer, String> cache = new LRUCache<>(3);
cache.put(1, "A");
cache.put(2, "B");
cache.put(3, "C");
System.out.println(cache); // 输出:{1=A, 2=B, 3=C}
cache.get(2); // 访问key为2的元素
System.out.println(cache); // 输出:{1=A, 3=C, 2=B}
cache.put(4, "D"); // 添加新的元素,触发删除最久未被访问的元素
System.out.println(cache); // 输出:{3=C, 2=B, 4=D}
}
}
我们创建了一个LRUCache
类,继承自LinkedHashMap
。在构造函数中,我们指定了缓存的容量。removeEldestEntry
方法被重写,用于判断是否需要删除最久未被访问的元素。如果缓存超过容量,我们返回true
,表示需要删除最老的元素。在main
方法中,我们创建了一个容量为3的LRU缓存,进行了一些操作来展示LRU算法的工作机制。
基于自定义数据结构实现(HashMap+双向链表)
除了使用LinkedHashMap
来实现LRU算法外,我们还可以通过自定义数据结构来实现。
一种常见的实现方式是使用哈希表和双向链表来构建LRU缓存。哈希表用于实现快速的数据查找,而双向链表用于维护数据的访问顺序。
class Node {
int key;
int value;
Node prev;
Node next;
public Node(int key, int value) {
this.key = key;
this.value = value;
}
}
public class LRUCache {
private final int capacity;
private final Map<Integer, Node> cache;
private final Node head;
private final Node tail;
public LRUCache(int capacity) {
this.capacity = capacity;
this.cache = new HashMap<>();
this.head = new Node(0, 0);
this.tail = new Node(0, 0);
head.next = tail;
tail.prev = head;
}
public int get(int key) {
if (cache.containsKey(key)) {
Node node = cache.get(key);
removeNode(node);
addToHead(node);
return node.value;
}
return -1;
}
public void put(int key, int value) {
if (cache.containsKey(key)) {
Node node = cache.get(key);
node.value = value;
removeNode(node);
addToHead(node);
} else {
if (cache.size() >= capacity) {
Node tailNode = tail.prev;
removeNode(tailNode);
cache.remove(tailNode.key);
}
Node newNode = new Node(key, value);
cache.put(key, newNode);
addToHead(newNode);
}
}
private void removeNode(Node node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
private void addToHead(Node node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
}
在上述代码中,我们定义了一个Node
类来表示双向链表中的节点,包含上一个节点和下一个节点的引用,以及键值对的信息。LRUCache
类包含一个哈希表cache
用于快速查找节点,head
和tail
分别表示双向链表的头部和尾部。
在get
方法中,如果缓存中存在键值对,则先从链表中移除该节点,然后将该节点插入到链表的头部,并返回节点的值。在put
方法中,如果缓存中存在键值对,则更新该节点的值,并将该节点移到链表的头部。如果缓存已满,则移除链表尾部的节点,并从哈希表中删除相应的键值对。最后,将新节点插入到链表的头部,并将其存储到哈希表中。
这种方式使用哈希表和双向链表实现LRU算法,可以保持较好的时间复杂度。哈希表提供了O(1)的查找和删除操作,而双向链表保证了对最近访问的数据进行快速插入和移动的能力。