数据结构系列之LRU算法理论篇

更多文章，欢迎关注微信公众号：深夜程猿

什么是LRU算法

LRU算法中文名叫“最近最少使用”，是一种数据缓存淘汰算法，可以实现基于磁盘和内存的缓存淘汰

算法原理

LRU算法根据数据的历史使用记录来进行数据淘汰。LRU算法认为，最近被使用过的数据，那么将来会更多的被使用。LRU实现数据淘汰的原理就是当数据缓存达到预设的最大值时，就会淘汰最久未被使用的数据。

使用场景

LRU算法适用于需要经常访问某些热数据，并且大部分数据都会被重复访问的场景

LRU算法实现方式

基于数组

使用数组实现LRU算法的基本过程如下：

• 数组每一个元素都存有数据和数据标记项。数据标记项是用来识别数据最近被使用的时间。
• 新增一个数据时，会把所有数据的标记项自增，新增的数据标记项设置为0，如果数组中存在该数据，则设置该数据标记项为0即可，不用新增数据。但数组达到最大预设存储空间时，则删除调用数据标记项最大的数据
• 由于删除数据的操作，涉及到数据的迁移，效率比较低。所以，如果存在数据经常没有被缓存命中时，LRU算法很低效

基于单链表

使用单链表实现LRU算法基本过程如下：

• 新增数据时，先判断链表中是否缓存有该数据，如果没有则把该数据放在头结点，如果存在则把该数据移动到头结点
• 新增完数据后，接着判断链表数据是是否超出最大值，是的话就把链表尾部的数据删除掉
• 每次新增一条数据时，都会进行一次链表遍历，最坏情况是链表达到最大值n，需要遍历n次。相对于结点遍历，修改数据结点指针指向的时间可以忽略不计。删除数据时，也会进行一次链表全遍历，最坏情况时遍历n次。所以，寻找一个数据是否在缓存中的最坏情况也是遍历n次。所以，使用单链表实现LRU算法的时间复杂度和链表时间复杂度一样，为O(n)

LRU算法优缺点

• 优点

当存在热点数据时，并且这些大部分数据还是经常被使用的，LRU命中率较高，不需要经常进行数据的添加和删除

• 缺点

如果只有很少的数据被经常使用，LRU算法很低效。因为LRU命中率很低，经常需要淘汰数据。也就是“缓存污染”问题，缓存的数据并没有很大程度上重复使用

LRU-K算法

LRU-K算法是为了解决LRU算法的“缓存污染”问题。可以认为，LRU算法就是LRU-1算法。LRU-K算法目的就是把LRU算法的“最近一次被使用”赋能为“最近K次被使用”。

LRU-K算法原理

LRU-K算法相比于LRU(LRU-1)算法，LRU-K算法一开始不会真正缓存数据，只有数据被使用过了K次才会放入缓存之中。那么，在数据没有被真正缓存之前，数据放在哪里的呢？如何记录使用次数的呢？LRU-K算法会多维护一个队列，用于保存数据的使用记录。但队列中的数据使用达到K次就取出来放进缓存。淘汰缓存数据和LRU(LRU-1)原理一样，第K次使用时间最早的先淘汰。

双队列模式LRU

双队列LRU算法，使用FIFO队列和LRU队列缓存数据。和LRU-K不同的是，双队列LRU算法两个队列都缓存数据，LRU-K算法只使用一个缓存队列缓存数据，一个队列记录数据使用情况

多队列模式LRU

多队列模式LRU的原理是使用多个队列，按照数据不同的使用频率来缓存数据，也就是多优先级缓存。命中的数据会逐渐从低优先级队列缓存到高优先级队列。高优先级队列的数据会逐渐从淘汰到低优先级队列，最后真正被淘汰

系列文章

数据结构小白系列之数据结构概述