java实现LRU,LinkedHashMap解析

需求:

歌曲推荐排序每个人最近听过的300首歌,所以要依靠每个人维护一个记录,记录最近听过的300首歌,并且将最近最久未命中的歌曲从记录中删除。

思想:

  1. 记录一个固定长度的链表,每次新增的数据放在表头,每次命中的数据也移到表头,当链表满后链表尾部的数据。
  2. 利用hashmap加链表形式,hashmap提高链表定位数据时间复杂度O(n)的弊端,链表来保证数据插入和访问的顺序性。

链表定位数据查询时间复杂度O(n),使用第二种方法实现LRU算法,利用LinkedHashMap数据结构

LinkedHashMap解析

hashmap是无序的,迭代hashmap所得到的元素顺序不是最初加入hashmap中的顺序,有些情况下我们想要得到一个能保持插入顺序的map,JDK为我们提供了LinkedHashMap 很好解决了这个问题,LinkedHashMap可以保持插入顺序,也可以是访问顺序。默认是插入顺序,可通过属性accessOrder设置。
public class LinkedHashMap<K,V> extends HashMap<K,V> implements Map<K,V>
LinkedHashMap继承hashmap,同时hashmap中的3个抽象方法都为LinkedHashMap服务

// Callbacks to allow LinkedHashMap post-actions
void afterNodeAccess(Node<K,V> p) { }     //hashmap put方法中使用,回调LinkedHashMap类中的具体实现,将节点移到最后,保持LinkedHashMap插入顺序,重复插入可将元素调整到最后队尾,保证操作过的元素永远在队尾
void afterNodeInsertion(boolean evict) { } //hashmap put方法中使用,回调LinkedHashMap类中的具体实现,为了保持LinkedHashMap的固定长度,默认为false超过阈值不删除
void afterNodeRemoval(Node<K,V> p) { }  //删除节点后维护链表的指针,调整双向链表的结构。

linkedHashMap.put是调用hashmap中的方法,然后回调LinkedHashMap中的具体实现。
linkedHashMap.get调用本类中的方法,判断accessOrder来决定是否维护访问顺序。

图解

下图更直观的看出linkedHashMap怎么将链表与hashmap紧密的配合工作。
在这里插入图片描述在这里插入图片描述

其实LinkedHashMap就是比hashmap的多了2个属性
在这里插入图片描述

调用put方法,实际还是使用的hashmap中的put方法,但是linkedHashMap重写了newNode方法,将新node挂到链表的队尾。

accessOrder属性

当accessOrder=false,不会在put,get时调整双向链表的结构,不会将最后操作的元素放到链表队尾,反之维护链表结构

void afterNodeAccess(Node<K,V> e) { // move node to last
        LinkedHashMap.Entry<K,V> last;
        if (accessOrder && (last = tail) != e) {
            LinkedHashMap.Entry<K,V> p =
                (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;
            p.after = null;
            if (b == null)
                head = a;
            else
                b.after = a;
            if (a != null)
                a.before = b;
            else
                last = b;
            if (last == null)
                head = p;
            else {
                p.before = last;
                last.after = p;
            }
            tail = p;
            ++modCount;
        }
    }

自动删除最近最久未使用元素

map.put时调用afterNodeInsertion()方法,但LinkedHashMap默认为false,不在操作阈值时删除,所以如果想要新增元素操作容器固定长度时删除需重写removeEldestEntry()方法,见下方案列。

LRU实现

构造集合类

由于JDK中的默认LinkedHashMap无法实现新增操作阈值自动删除,所有需要重写removeEldestEntry()方法,并且根据保证元素访问顺序需要设置accessOrder=true,重写LRU类

public class LRUCollection<K,V> extends LinkedHashMap{
    private static final Logger _log = LoggerFactory.getLogger(LRUCollection.class);
    private static final long serialVersionUID = 1l;

    private int maxElements;

    public LRUCollection(int cacheSize) {
        super(cacheSize, 0.75f, true);
        this.maxElements = cacheSize;
    }

    public LRUCollection() { //空的构造函数 json2obj使用
        super(300,0.75f, true);
        this.maxElements = 300;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry eldest) {
        return size()>this.maxElements;
    }
}

实现

public void LruSongs(Long userID, Long songID) {
        LRUCollection<String, Object> lruCollection = new LRUCollection<>(300);
        String str = MyJedis.get(ConstUtil.RedisCache.REDIS_MSUIC_SMART_VIDEO_CACHE, ConstUtil.RedisKey.SONG_RECOMMEND_USER_POOL_ + userID);
        ObjectMapper objectMapper = new ObjectMapper();
        try{
            if(StringUtils.isNotEmpty(str)){
                lruCollection = objectMapper.readValue(str, LRUCollection.class);
            }
            Object obj = lruCollection.get(songID.toString());
            if(obj == null){
                lruCollection.put(songID.toString(),songID.toString());
            }
            MyJedis.set(ConstUtil.RedisCache.REDIS_MSUIC_SMART_VIDEO_CACHE, ConstUtil.RedisKey.SONG_RECOMMEND_USER_POOL_ + userID,objectMapper.writeValueAsString(lruCollection));
        }catch (Exception e){
            _log.error("reportRecommendSongs json2Object error",e);
        }
        MyJedis.expire(ConstUtil.RedisCache.REDIS_MSUIC_SMART_VIDEO_CACHE, ConstUtil.RedisKey.SONG_RECOMMEND_USER_POOL_ + userID, 24 * 60 * 60);
    }

更详细的LinkedHashMap保证顺序性:
https://blog.csdn.net/justloveyou_/article/details/71713781
https://blog.csdn.net/weixin_30315435/article/details/96749959

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