LRU算法及JAVA实现

最新推荐文章于 2024-09-21 20:38:13 发布

smok56888

最新推荐文章于 2024-09-21 20:38:13 发布

阅读量756

点赞数

分类专栏： java 文章标签： java cache

java 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

引子：

我们平时总会有一个电话本记录所有朋友的电话，但是，如果有朋友经常联系，那些朋友的电话号码不用翻电话本我们也能记住，但是，如果长时间没有联系了，要再次联系那位朋友的时候，我们又不得不求助电话本，但是，通过电话本查找还是很费时间的。但是，我们大脑能够记住的东西是一定的，我们只能记住自己最熟悉的，而长时间不熟悉的自然就忘记了。

其实，计算机也用到了同样的一个概念，我们用缓存来存放以前读取的数据，而不是直接丢掉，这样，再次读取的时候，可以直接在缓存里面取，而不用再重新查找一遍，这样系统的反应能力会有很大提高。但是，当我们读取的个数特别大的时候，我们不可能把所有已经读取的数据都放在缓存里，毕竟内存大小是一定的，我们一般把最近常读取的放在缓存里（相当于我们把最近联系的朋友的姓名和电话放在大脑里一样）。现在，我们就来研究这样一种缓存机制。

LRU缓存：

LRU缓存利用了这样的一种思想。LRU是Least Recently Used 的缩写，翻译过来就是“最近最少使用”，也就是说，LRU缓存把最近最少使用的数据移除，让给最新读取的数据。而往往最常读取的，也是读取次数最多的，所以，利用LRU缓存，我们能够提高系统的performance.

实现：

要实现LRU缓存，我们首先要用到一个类 LinkedHashMap。用这个类有两大好处：一是它本身已经实现了按照访问顺序的存储，也就是说，最近读取的会放在最前面，最最不常读取的会放在最后（当然，它也可以实现按照插入顺序存储）。第二，LinkedHashMap本身有一个方法用于判断是否需要移除最不常读取的数，但是，原始方法默认不需要移除（这是，LinkedHashMap相当于一个linkedlist），所以，我们需要override这样一个方法，使得当缓存里存放的数据个数超过规定个数后，就把最不常用的移除掉。LinkedHashMap的API写得很清楚，推荐大家可以先读一下。

要基于LinkedHashMap来实现LRU缓存，我们可以选择inheritance, 也可以选择 delegation，我更喜欢delegation。基于delegation的实现已经有人写出来了，而且写得很漂亮，我就不班门弄斧了。代码如下：

[java]view plaincopy 
   
 import java.util.LinkedHashMap;  
 import java.util.Collection;  
 import java.util.Map;  
 import java.util.ArrayList;  
   
 /** 
 * An LRU cache, based on <code>LinkedHashMap</code>. 
 * 
 * <p> 
 * This cache has a fixed maximum number of elements (<code>cacheSize</code>). 
 * If the cache is full and another entry is added, the LRU (least recently used) entry is dropped. 
 * 
 * <p> 
 * This class is thread-safe. All methods of this class are synchronized. 
 * 
 * <p> 
 * Author: Christian d'Heureuse, Inventec Informatik AG, Zurich, Switzerland<br> 
 * Multi-licensed: EPL / LGPL / GPL / AL / BSD. 
 */  
 public class LRUCache<K,V> {  
   
 private static final float   hashTableLoadFactor = 0.75f;  
   
 private LinkedHashMap<K,V>   map;  
 private int                  cacheSize;  
   
 /** 
 * Creates a new LRU cache. 
 * @param cacheSize the maximum number of entries that will be kept in this cache. 
 */  
 public LRUCache (int cacheSize) {  
    this.cacheSize = cacheSize;  
    int hashTableCapacity = (int)Math.ceil(cacheSize / hashTableLoadFactor) + 1;  
    map = new LinkedHashMap<K,V>(hashTableCapacity, hashTableLoadFactor, true) {  
       // (an anonymous inner class)  
       private static final long serialVersionUID = 1;  
       @Override protected boolean removeEldestEntry (Map.Entry<K,V> eldest) {  
          return size() > LRUCache.this.cacheSize; }}; }  
   
 /** 
 * Retrieves an entry from the cache.<br> 
 * The retrieved entry becomes the MRU (most recently used) entry. 
 * @param key the key whose associated value is to be returned. 
 * @return    the value associated to this key, or null if no value with this key exists in the cache. 
 */  
 public synchronized V get (K key) {  
    return map.get(key); }  
   
 /** 
 * Adds an entry to this cache. 
 * The new entry becomes the MRU (most recently used) entry. 
 * If an entry with the specified key already exists in the cache, it is replaced by the new entry. 
 * If the cache is full, the LRU (least recently used) entry is removed from the cache. 
 * @param key    the key with which the specified value is to be associated. 
 * @param value  a value to be associated with the specified key. 
 */  
 public synchronized void put (K key, V value) {  
    map.put (key, value); }  
   
 /** 
 * Clears the cache. 
 */  
 public synchronized void clear() {  
    map.clear(); }  
   
 /** 
 * Returns the number of used entries in the cache. 
 * @return the number of entries currently in the cache. 
 */  
 public synchronized int usedEntries() {  
    return map.size(); }  
   
 /** 
 * Returns a <code>Collection</code> that contains a copy of all cache entries. 
 * @return a <code>Collection</code> with a copy of the cache content. 
 */  
 public synchronized Collection<Map.Entry<K,V>> getAll() {  
    return new ArrayList<Map.Entry<K,V>>(map.entrySet()); }  
   
 } // end class LRUCache  
 ------------------------------------------------------------------------------------------  
 // Test routine for the LRUCache class.  
 public static void main (String[] args) {  
    LRUCache<String,String> c = new LRUCache<String, String>(3);  
    c.put ("1", "one");                           // 1  
    c.put ("2", "two");                           // 2 1  
    c.put ("3", "three");                         // 3 2 1  
    c.put ("4", "four");                          // 4 3 2  
    if (c.get("2") == null) throw new Error();    // 2 4 3  
    c.put ("5", "five");                          // 5 2 4  
    c.put ("4", "second four");                   // 4 5 2  
    // Verify cache content.  
    if (c.usedEntries() != 3)              throw new Error();  
    if (!c.get("4").equals("second four")) throw new Error();  
    if (!c.get("5").equals("five"))        throw new Error();  
    if (!c.get("2").equals("two"))         throw new Error();  
    // List cache content.  
    for (Map.Entry<String, String> e : c.getAll())  
       System.out.println (e.getKey() + " : " + e.getValue()); }  

代码出自： http://www.source-code.biz/snippets/java/6.htm

在博客 http://gogole.iteye.com/blog/692103 里，作者使用的是双链表 + hashtable 的方式实现的。如果在面试题里考到如何实现LRU，考官一般会要求使用双链表 + hashtable 的方式。所以，我把原文的部分内容摘抄如下：

双链表 + hashtable实现原理：

将Cache的所有位置都用双连表连接起来，当一个位置被命中之后，就将通过调整链表的指向，将该位置调整到链表头的位置，新加入的Cache直接加到链表头中。这样，在多次进行Cache操作后，最近被命中的，就会被向链表头方向移动，而没有命中的，而想链表后面移动，链表尾则表示最近最少使用的Cache。当需要替换内容时候，链表的最后位置就是最少被命中的位置，我们只需要淘汰链表最后的部分即可。

[java]view plaincopy 
   
 public class LRUCache {  
       
     private int cacheSize;  
     private Hashtable<Object, Entry> nodes;//缓存容器  
     private int currentSize;  
     private Entry first;//链表头  
     private Entry last;//链表尾  
       
     public LRUCache(int i) {  
         currentSize = 0;  
         cacheSize = i;  
         nodes = new Hashtable<Object, Entry>(i);//缓存容器  
     }  
       
     /** 
      * 获取缓存中对象,并把它放在最前面 
      */  
     public Entry get(Object key) {  
         Entry node = nodes.get(key);  
         if (node != null) {  
             moveToHead(node);  
             return node;  
         } else {  
             return null;  
         }  
     }  
       
     /** 
      * 添加 entry到hashtable, 并把entry  
      */  
     public void put(Object key, Object value) {  
         //先查看hashtable是否存在该entry, 如果存在，则只更新其value  
         Entry node = nodes.get(key);  
           
         if (node == null) {  
             //缓存容器是否已经超过大小.  
             if (currentSize >= cacheSize) {  
                 nodes.remove(last.key);  
                 removeLast();  
             } else {  
                 currentSize++;  
             }             
             node = new Entry();  
         }  
         node.value = value;  
         //将最新使用的节点放到链表头，表示最新使用的.  
         moveToHead(node);  
         nodes.put(key, node);  
     }  
   
     /** 
      * 将entry删除, 注意：删除操作只有在cache满了才会被执行 
      */  
     public void remove(Object key) {  
         Entry node = nodes.get(key);  
         //在链表中删除  
         if (node != null) {  
             if (node.prev != null) {  
                 node.prev.next = node.next;  
             }  
             if (node.next != null) {  
                 node.next.prev = node.prev;  
             }  
             if (last == node)  
                 last = node.prev;  
             if (first == node)  
                 first = node.next;  
         }  
         //在hashtable中删除  
         nodes.remove(key);  
     }  
   
     /** 
      * 删除链表尾部节点，即使用最后 使用的entry 
      */  
     private void removeLast() {  
         //链表尾不为空,则将链表尾指向null. 删除连表尾（删除最少使用的缓存对象）  
         if (last != null) {  
             if (last.prev != null)  
                 last.prev.next = null;  
             else  
                 first = null;  
             last = last.prev;  
         }  
     }  
       
     /** 
      * 移动到链表头，表示这个节点是最新使用过的 
      */  
     private void moveToHead(Entry node) {  
         if (node == first)  
             return;  
         if (node.prev != null)  
             node.prev.next = node.next;  
         if (node.next != null)  
             node.next.prev = node.prev;  
         if (last == node)  
             last = node.prev;  
         if (first != null) {  
             node.next = first;  
             first.prev = node;  
         }  
         first = node;  
         node.prev = null;  
         if (last == null)  
             last = first;  
     }  
     /* 
      * 清空缓存 
      */  
     public void clear() {  
         first = null;  
         last = null;  
         currentSize = 0;  
     }  
   
 }  
   
 class Entry {  
     Entry prev;//前一节点  
     Entry next;//后一节点  
     Object value;//值  
     Object key;//键  
 }  

转自http://blog.csdn.net/beiyeqingteng/article/details/7010411