LRU和LFU的区别
LRU和LFU都是内存管理的页面置换算法。
LRU:最近最少使用(最长时间)淘汰算法(Least Recently Used)。LRU是淘汰最长时间没有被使用的页面。
LFU:最不经常使用(最少次)淘汰算法(Least Frequently Used)。LFU是淘汰一段时间内,使用次数最少的页面。
-
例子
假设LFU方法的时期T为10分钟,访问如下页面所花的时间正好为10分钟,内存块大小为3。若所需页面顺序依次如下:
2 1 2 1 2 3 4
---------------------------------------->
- 当需要使用页面4时,内存块中存储着1、2、3,内存块中没有页面4,就会发生缺页中断,而且此时内存块已满,需要进行页面置换。
- 若按LRU算法,应替换掉页面1。因为页面1是最长时间没有被使用的了,页面2和3都在它后面被使用过。
- 若按LFU算法,应换页面3。因为在这段时间内,页面1被访问了2次,页面2被访问了3次,而页面3只被访问了1次,一段时间内被访问的次数最少。
LRU 关键是看页面最后一次被使用到发生替换的时间长短,时间越长,页面就会被置换;
LFU关键是看一定时间段内页面被使用的频率(次数),使用频率越低,页面就会被置换。
-
LRU算法适合:较大的文件比如游戏客户端(最近加载的地图文件);
-
LFU算法适合:较小的文件和零碎的文件比如系统文件、应用程序文件 ;
-
LRU消耗CPU资源较少,LFU消耗CPU资源较多。
LRU (最长时间)
最近最久未使用算法, LRU是淘汰最长时间没有被使用的页面
功能
- 缓存容量capacity为正整数,缓存的key、value均为int类型
- 读缓存
func get(key int) int
:- key已存在,返回对应value
- key不存在,返回-1
- 写缓存func put(key int, value int):
- key已存在,修改对应value
- key不存在,写入该组缓存,若写入前缓存容量已达上限,则应淘汰最久未使用的缓存(强调:读、写缓存均视为使用)
数据结构
使用双向链表维护缓存的上一次使用时间:
- 约定:链表正方向(从头部到尾部)节点按照使用时间排序——越早使用(即久未使用)的节点,越靠近链表尾部
- 维护:每使用一次缓存,就将该缓存对应的链表节点移动到链表头部;缓存淘汰时,只需要删除尾部节点即可
增加一个map,记录
key
到链表节点的映射关系; 解决如果只使用双向链表,每次判断key
是否存在时,都要遍历链表
- cache:
map[int]*listNode
,key
到节点的映射; 其中 listNode data:key
,value
- list:
*listNode
,双向链表,维护缓存的上一次使用时间 - capacity:
int
,链表容量
伪代码
- 读缓存
- key存在:
- 在原链表中删除该缓存节点,重新插入到链表头部,
- 返回对应的value
- key不存在:
- 返回-1
- key存在:
- 写缓存(更新缓存)
- Key存在:
- 更新缓存节点的value值
- 在原链表中删除该缓存节点,并把该重新插入到链表头部
- Key不存在:
- 容量已达上限:
- 在链表中删除尾部节点(记录该节点的key)
- 根据上一步中记录的key,删除对应的映射关系
- 根据输入参数构造新的节点:
- 将新的节点插入链表头部
- 新增key到新的节点的映射关系
- 容量未达上限:
- 根据输入参数构造新的节点:
- 将新的节点插入链表头部
- 新增key到新的节点的映射关系
- 容量已达上限:
- Key存在:
Golang代码实现
// 双向链表节点
type doublyListNode struct {
key int
value int
prev *doublyListNode
next *doublyListNode
}
// 构造一个双向空链表(首尾几点都是空节点)
func newDoublyList() *doublyListNode {
headNode := &doublyListNode{}
tailNode := &doublyListNode{}
headNode.next = tailNode
tailNode.prev = headNode
return headNode
}
// 把节点添加到链表头部
func (dl *doublyListNode) addToHead(node *doublyListNode) {
dl.next.prev = node
node.next = dl.next
dl.next = node
node.prev = dl
}
// 删除链表中的节点
func removeNode(node *doublyListNode) {
node.next.prev = node.prev
node.prev.next = node.next
}
// LRUCache 具体的缓存
type LRUCache struct {
cache map[int]*doublyListNode
head *doublyListNode
tail *doublyListNode
capacity int
}
// Constructor 构建缓存容器
func Constructor(capacity int) LRUCache {
dl := newDoublyList()
return LRUCache{
cache: make(map[int]*doublyListNode),
head: dl,
tail: dl.next,
capacity: capacity,
}
}
func (lruCache *LRUCache) Get(key int) int {
// 根据key 获取缓存
v, ok := lruCache.cache[key]
// 如果没有缓存, 返回-1
if !ok {
return -1
}
// 如果有缓存
removeNode(v) // 移除该缓存
lruCache.head.addToHead(v) // 把缓存添加双向链表头部
return v.value
}
// Put 新建缓存
func (lruCache *LRUCache) Put(key int, value int) {
// 已经有缓存
if v, ok := lruCache.cache[key]; ok { // v 是双链表中的节点
v.value = value // 更新链表节点中的值
lruCache.cache[key] = v // 更新缓存中映射关系
removeNode(v) // 移除该缓存
lruCache.head.addToHead(v) // 把缓存添加双向链表头部
return
}
// 缓存超长 淘汰缓存
if len(lruCache.cache) >= lruCache.capacity {
node := lruCache.tail.prev
removeNode(node) // 删除该节点
delete(lruCache.cache, node.key) // 清除 最近最少使用的缓存
}
newNode := &doublyListNode{
key: key,
value: value,
}
lruCache.cache[key] = newNode
lruCache.head.addToHead(newNode)
}
LFU (最少次)
功能
- 缓存容量capacity、缓存的key和value均为自然数(可以为0,代码中单独处理)
- 读缓存func get(key int) int:(与lru相同)
- key已存在,返回对应value
- key不存在,返回-1
- 写缓存func put(key int, value int):
- key已存在,修改对应value
- key不存在,写入该组缓存,若写入前缓存容量已达上限,则应淘汰使用次数最少的缓存(记其使用次数为n);
- 若使用次数为n的缓存数大于一个,则淘汰最久未使用的缓存(即,此时遵守lru规则)
数据结构
// LFUCache 具体的缓存 frequency 是使用次数
type LFUCache struct {