实现该缓存满足如下两点:
- get(key) - 如果该元素(总是正数)存在,将该元素移动到lru头部,并返回该元素的值,否则返回-1。
- set(key,value) - 设置一个key的值为value(如果该元素存在),并将该元素移动到LRU头部。否则插入一个key,且值为value。如果在设置前检查到,该key插入后,会超过cache的容量,则根据LRU策略,删除最近最少使用的key。
分析
需求:抽离出一个用户系统,向各个业务系统提供用户的基本信息。
解决:创建数据库的缓存层。该缓存层会移除最近最少被使用的数据,当缓存层数据所占内存达到一定阈值。
作用:移除最近最少被使用的数据,当缓存层数据所占内存达到一定阈值。
哈希链表(LinkedHashmap)
场景:按照最后的使用时间来排序,依靠哈希链表的有序性,
作用:使无序的哈希表拥有了固定的排列顺序。key-value被一个链条串了起来。具有它的前驱Key-Value、后继Key-Value,就像双向链表中的节点一样。
步骤
- 缓存了4个用户,这4个用户是按照时间顺序依次从链表右端插入的。
- 此时,业务方访问用户5,由于哈希链表中没有用户5的数据,我们从数据库中读取出来,插入到缓存当中。这时候,链表中最右端是最新访问到的用户5,最左端是最近最少访问的用户1。
- 请求访问用户2,哈希链表中存在用户2的数据,①用户2从它的前驱节点和后继节点之间移除②重新插入到链表最右端。这时候,链表中最右端变成了最新访问到的用户2,最左端仍然是最近最少访问的用户1。
- 请求修改用户4,①将用户4从它的前驱和后继节点之间移除②重新插入到链表最右端,并更新用户信息。
- 访问用户6,缓存中没有,需要插入到哈希链表。假设缓存容量到上线,必须先删除最近最少访问的数据,那么位于哈希链表最左端的用户1就会被删除掉,然后把用户6插入到最右端。
代码
java中的LinkedHashMap对哈希链表做了很好的实现。我们现在自己写代码简单实现:
package chapter6.part3;
import java.util.HashMap;
class Node {
Node(String key, String value){
this.key = key;
this.value = value;
}
public Node pre; //前驱节点
public Node next; //后置节点
public String key; //节点的key
public String value; //节点的value
}
public class LRUCache {
private Node head; //定义容器的头结点
private Node end; //定义容器的尾节点
private int limit; //缓存存储上限
private HashMap<String, Node> hashMap; //缓存容器
public LRUCache(int limit) { //初始化缓存存储上限
this.limit = limit;
hashMap = new HashMap<String, Node>();
}
/**
* 获取value通过key从容器中
*/
public String get(String key) {
Node node = hashMap.get(key); //通过get“键”的形式进行值的获取
if (node == null){
return null;
}
refreshNode(node);
return node.value;
}
/**
* 移除key
*/
public void remove(String key) {
Node node = hashMap.get(key);
removeNode(node);
hashMap.remove(key);
}
/**
* 存放key
*/
public void put(String key, String value) {
Node node = hashMap.get(key);
if (node == null) {
//如果key不存在,插入key-value 增加key-value
if (hashMap.size() >= limit) {
String oldKey = removeNode(head); //删除节点,返回该节点的key
hashMap.remove(oldKey); //将该节点的
}
node = new Node(key, value);
addNode(node);
hashMap.put(key, node);
}else {
//如果key存在,刷新key-value 更新Key-value
node.value = value;
refreshNode(node);
}
}
/**
* 刷新被访问的节点位置
* @param node 被访问的节点
*/
private void refreshNode(Node node) {
//如果访问的是尾节点,无需移动节点
if (node == end) {
return;
}
removeNode(node); //改变节点的位置
//重新插入节点到尾部
addNode(node); //改变节点的位置,多出一个节点
}
/**
* 改变节点的位置
* @param node 要删除的节点
*/
private String removeNode(Node node) {
if(node == head && node == end){
//移除唯一的节点
head = null;
end = null;
}else if(node == end){
//移除尾节点
end = end.pre;
end.next = null;
}else if(node == head){
//移除头节点
head = head.next;
head.pre = null;
}else {
//移除中间节点
node.pre.next = node.next;
node.next.pre = node.pre;
}
return node.key;
}
/**
* 改变节点的的前驱,后置节点
* @param node 要插入的节点
*/
private void addNode(Node node) {
if(end != null) {
end.next = node;
node.pre = end;
node.next = null;
}
end = node;
if(head == null){
head = node;
}
}
public static void main(String[] args) {
LRUCache lruCache = new LRUCache(5);
lruCache.put("001", "用户1信息");
lruCache.put("002", "用户1信息");
lruCache.put("003", "用户1信息");
lruCache.put("004", "用户1信息");
lruCache.put("005", "用户1信息");
lruCache.get("002");
lruCache.put("004", "用户2信息更新");
lruCache.put("006", "用户6信息");
System.out.println(lruCache.get("001"));;
System.out.println(lruCache.get("006"));;
}
}
Redis支持和LRU相关淘汰策略包括,
volatile-lru 设置了过期时间的key参与近似的lru淘汰策略
allkeys-lru 所有的key均参与近似的lru淘汰策略