java 两种方式实现LRU

public class LRU<K,V> {
    private class Node {
        // 前结点
        private Node prev;
        // 后结点
        private Node next;
        // 键
        private K key;
        // 值
        private V value;
    }

    // 队列头尾
    private Node head, tail;
    // 队列长度
    private int capacity;
    // 存储结点
    private HashMap<K, Node> map = new HashMap<>();

    // 构造函数初始化
    public LRU(int capacity) {
        this.capacity = capacity;
        this.map = new HashMap<>(capacity);
    }

    // 存储键值
    public void put(K k, V v){
        Node node = map.get(k);
        if (node != null) {
            node.value = v;
            // 移动到队首
            moveToHead(node);
        }else {
            node = new Node();
            node.key = k;
            node.value = v;
            // 超过阈值,移除队尾
            if (map.size() == capacity) {
                removeTail();
            }
            // 新增放到队首
            addToHead(node);
            map.put(k,node);
        }
    }

    // 根据key获取值
    public V get(K k) {
        Node node = map.get(k);
        if (node == null) {
            return null;
        }
        // 移动到队首
        moveToHead(node);
        return node.value;
    }

    // 将结点移动到队首
    public void moveToHead(Node node) {
        if (node == head) {
            return;
        }else if (node == tail) {
            tail.prev.next = null;
            tail = tail.prev;
        }else {
            node.prev.next = node.next;
            node.next.prev = node.prev;
        }
        node.prev = head.prev;
        node.next = head;
        head.prev = node;
        head = node;
    }

    // 添加结点到队首
    public void addToHead(Node node) {
        if (map.isEmpty()) {
            head = node;
            tail = node;
        }else {
            node.next = head;
            head.prev = node;
            head = node;
        }
    }

    // 移除队尾
    public void removeTail() {
        map.remove(tail.key);
        Node prev = tail.prev;
        if (prev != null) {
            prev.next = null;
            tail = prev;
        }
    }

    @Override
    public String toString() {
        return map.keySet().toString();
    }

    public static void main(String[] args) {
        LRU<String, String> lru = new LRU<>(3);
        lru.put("A","A");
        lru.put("B","B");
        lru.put("C","C");
        lru.put("D","D");
        System.out.println(lru.toString());
    }

执行结果

 2.继承LinkedHashMap,重写removeEldestEntry 方法

public class LRUE<K, V> extends LinkedHashMap<K, V> {
    private static final long serialVersionUID = 1L;

    private int initialCapacity;

    public LRUE(int initialCapacity,
               float loadFactor,
               boolean accessOrder) {
        super(initialCapacity, loadFactor, accessOrder);
        this.initialCapacity=initialCapacity;
    }



    /**
     * @return
     * @see java.util.LinkedHashMap#removeEldestEntry(java.util.Map.Entry)
     */
    @Override
    protected boolean removeEldestEntry(java.util.Map.Entry<K, V> eldest) {
        // TODO Auto-generated method stub
        if(size() > initialCapacity){
            return true;
        }
        return false;
    }

    public static void main(String[] args) {
        LRUE<String, String> lru = new LRUE<>(3,0.75f, true);
        lru.put("A","A");
        lru.put("B","B");
        lru.put("C","C");
        lru.put("D","D");
        System.out.println(lru.toString());
        // 输出[B,C,D]
    }
 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: LRU (Least Recently Used) 算法是一种常用于缓存淘汰策略的算法,它的原理是根据数据的访问时间来进行淘汰,即最近最少使用的数据优先被淘汰。在实现 LRU 算法时,我们通常使用一个双向链表和一个哈希表来存储数据。 链表中的每个节点用来存储一个数据,节点包含三个属性:key,value 和 prev、next 指针,其中 key 和 value 分别表示数据的键和值,prev 和 next 指针用来指向前驱和后继节点。 哈希表用来存储每个数据在链表中的位置,键为数据的键,值为链表中对应节点的指针。这样,在对数据进行查找和删除时,我们只需要在哈希表中查找对应节点的指针,就可以快速地访问到链表中的数据。 每次访问数据时,我们需要将其移到链表的末尾,这样就可以保证链表的头部始终为最近最少使用的数据。当链表已满时,我们需要删除链表头部的数据,也就是最近最少使用的数据。 总的来说,实现 LRU 算法需要以下几个步骤: 1. 初始化一个双向链表和一个哈希表; 2. 每次访问数据时,将其移到链表的末尾; 3. 当链表已满时,删除链表头部的数据; 4. 在链表和哈希表中添加、删除或查找数据时,需要保证两者的一致性。 ### 回答2: Java LRU(最近最少使用)算法可以通过链表实现LRU算法是一种用于缓存淘汰的策略,它根据数据的使用情况来决定哪些数据将被保留在缓存中,哪些数据将被淘汰。在LRU算法中,最近最少使用的数据会被选择淘汰。 在Java中,我们可以使用链表来实现LRU算法。链表的每个节点代表一个数据,节点的顺序表示数据的使用顺序,最近使用的数据位于链表的头部,最近最少使用的数据位于链表的尾部。 实现LRU算法的链表需要支持两个操作:插入和删除。当有新的数据被访问时,我们首先在链表中查找该数据。如果数据已经存在于链表中,我们将其从原来的位置删除,并将其插入到链表的头部。如果数据不存在于链表中,我们将其插入到链表的头部。当链表的大小达到缓存的容量上限时,我们需要删除链表尾部的节点。 通过链表实现LRU算法有一定的优势。插入和删除操作的时间复杂度为O(1),即常数时间。同时,由于链表的特性,我们可以轻松地调整节点的顺序,以实现LRU算法的功能。 总之,通过链表实现Java LRU算法是一种简单有效的方法。它通过维护一个有序的链表结构来实现数据的使用顺序,并且支持快速的插入和删除操作。这种实现方式可以用于缓存等需要快速访问和淘汰数据的场景,提高系统性能和效率。 ### 回答3: LRU(Least Recently Used,最近最少使用)算法是一种常用的缓存替换算法,用于解决缓存空间有限的情况下,有效地管理缓存中的数据。 在实现LRU算法时,通常使用双向链表和HashMap结合的方式。 双向链表是用于记录数据的访问顺序,最近访问的数据位于链表头部,而最久未访问的数据位于链表尾部。每当有数据被访问时,如果该数据在链表中已存在,则将该数据移到链表头部;如果数据不存在,则将该数据添加到链表头部。当缓存满时,需要替换最久未访问的数据,即链表尾部的数据。 HashMap用于快速定位某个数据是否在缓存中,并记录该数据在双向链表中的位置。当需要访问数据时,首先在HashMap中查找是否存在该数据,若存在,则将该数据移到链表头部,同时更新HashMap中该数据对应的位置;若不存在,则将该数据添加到链表头部,并在HashMap中添加该数据的映射。 通过以上的链表和HashMap的结合,可以实现LRU算法。当数据被访问时,可以在O(1)的时间复杂度内完成查找和移动操作,从而提高算法的效率。 总结起来,LRU算法通过双向链表和HashMap的结合,实现了对缓存中数据的高效管理,提高了数据访问效率。这种算法在很多场景下都有广泛的应用,比如操作系统的页面置换、数据库查询优化等。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值