LRU 与 LFU ,傻傻分不清楚

• LRU (Least Recently Used) 最近最少使用，如果数据最近被访问过，那么将来被访问的几率也更高。
• LFU (Least Frequently Used) 最近最少次数使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小。

LRU缓存

像浏览器的缓存策略、memcached的缓存策略都是使用LRU这个算法，LRU算法会将近期最不会访问的数据淘汰掉。LRU如此流行的原因是实现比较简单，而且对于实际问题也很实用，良好的运行时性能，命中率较高。

实现

• 新数据插入到链表头部
• 每当缓存命中（即缓存数据被访问），则将数据移到链表头部
• 当链表满的时候，将链表尾部的数据丢弃

API

set(key,value)

如果key在字典中存在，则先重置对应的value值，然后获取对应的节点curr，将curr节点从链表删除，并移动到链表的头部；

如果key在字典中不存在，则新建一个节点，并将节点放到链表的头部。当cache存满的时候，将链表最后一个节点删除即可。

get(key)

如果key在字典中存在，则把对应的节点放到链表头部，并返回对应的value值；

如果key在字典中不存在，则返回-1

优势

• 实现简单,使用单链表并对其进行操作即可实现
• 命中率高

LFU 缓存

相较于 LRU 缓存,LFU 缓存策略更符合热点数据的概念,即让多次被访问的数据缓存效果越好.但是LFU的实现相较于LRU要更为复杂,因为LFU算法除了需要根据访问时间排序外,还需要记录缓存的访问频率.目前市面上很多主流设计中都开始慢慢融入了 LFU 缓存,如 Redis 中的缓存逐出策略,还有Dubbo 中的缓存插件等.

实现

相较于 LRU 算法,LFU 算法实现上还需要记录缓存的访问次数,并按照缓存次数排序,如果访问次序相同的话,则按照访问时间排序。从这个角度来看的话 LFU 算法本身的实现复杂度就要比 LRU 复杂。除此之外，如果缓存的访问频次相同的话 ，LFU 算法就要退化称为 LRU 算法按照缓存的访问时间进行排序。因此又可以将 LFU 算法堪称 LRU的升级版。

按照访问频次进行排序的话用 PriorityQueue 队列实现效果是很好的，该队列内部维护了一个二叉堆，可以保证每次 poll 元素的时候，都可以根据我们的要求，去除当前所有元素的最大值或者最小值。只需要我们呢是心啊实体类中的 Conparable 接口就可以了。

• 判断新数据是否存在于 优先队列中，如果存在，则取出该元素并更新频次
• 当缓存满的时候，从优先队列中取出访问频次最低的 n 个元素删除

API

set(key,value)

如果key在字典中存在，则先重置对应的value值，然后更新key的访问时间与访问频次；

如果key在字典中不存在，则保存对应的 value ，然后更新key的访问时间与访问频次。

get(key)

如果key在字典中存在，则更新key的访问时间与访问频次，并返回对应的value值；

如果key在字典中不存在，则返回-1

优势

• 相较于 LRU 算法，基于频次的缓存汰换策略更加符合热点数据的思想，但实现起来较为复杂

参考资料

LFU五种实现方式，从简单到复杂
LFU 实现思路整理
力扣(LFU缓存)
LRU 实现思路整理