Java缓存(LRU,FIFO)

现在软件或者网页的并发量越来越大了，大量请求直接操作数据库会对数据库造成很大的压力，处理大量连接和请求就会需要很长时间，但是实际中百分之80的数据是很少更改的，这样就可以引入缓存来进行读取，减少数据库的压力。

 

 

常用的缓存有Redis和memcached，但是有时候一些小场景就可以直接使用Java实现缓存，就可以满足这部分服务的需求。

 

缓存主要有LRU和FIFO，LRU是Least Recently Used的缩写，即最近最久未使用，FIFO就是先进先出，下面就使用Java来实现这两种缓存。

 

LRU

LRU缓存的思想

 

固定缓存大小，需要给缓存分配一个固定的大小。

每次读取缓存都会改变缓存的使用时间，将缓存的存在时间重新刷新。

需要在缓存满了后，将最近最久未使用的缓存删除，再添加最新的缓存。

按照如上思想，可以使用LinkedHashMap来实现LRU缓存。

 

这是LinkedHashMap的一个构造函数，传入的第三个参数accessOrder为true的时候，就按访问顺序对LinkedHashMap排序，为false的时候就按插入顺序，默认是为false的。

当把accessOrder设置为true后，就可以将最近访问的元素置于最前面，这样就可以满足上述的第二点。

 

/**

 * Constructs an empty <tt>LinkedHashMap</tt> instance with the

 * specified initial capacity, load factor and ordering mode.

 *

 * @param initialCapacity the initial capacity

 * @param loadFactor the load factor

 * @param accessOrder the ordering mode - <tt>true</tt> for

 * access-order, <tt>false</tt> for insertion-order

 * @throws IllegalArgumentException if the initial capacity is negative

 * or the load factor is nonpositive

 */

public LinkedHashMap(int initialCapacity,

                     float loadFactor,

                     boolean accessOrder) {

    super(initialCapacity, loadFactor);

    this.accessOrder = accessOrder;

}

这是LinkedHashMap中另外一个方法，当返回true的时候，就会remove其中最久的元素，可以通过重写这个方法来控制缓存元素的删除，当缓存满了后，就可以通过返回true删除最久未被使用的元素，达到LRU的要求。这样就可以满足上述第三点要求。

 

protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {

    return false;

}

由于LinkedHashMap是为自动扩容的，当table数组中元素大于Capacity * loadFactor的时候，就会自动进行两倍扩容。但是为了使缓存大小固定，就需要在初始化的时候传入容量大小和负载因子。

为了使得到达设置缓存大小不会进行自动扩容，需要将初始化的大小进行计算再传入，可以将初始化大小设置为(缓存大小 / loadFactor) + 1，这样就可以在元素数目达到缓存大小时，也不会进行扩容了。这样就解决了上述第一点问题。

 

通过上面分析，实现下面的代码

 

import java.util.LinkedHashMap;

import java.util.Map;

import java.util.Set;

 

public class LRU1<K, V> {

    private final int MAX_CACHE_SIZE;

    private final float DEFAULT_LOAD_FACTORY = 0.75f;

 

    LinkedHashMap<K, V> map;

 

    public LRU1(int cacheSize) {

        MAX_CACHE_SIZE = cacheSize;

        int capacity = (int)Math.ceil(MAX_CACHE_SIZE / DEFAULT_LOAD_FACTORY) + 1;

        /*

         * 第三个参数设置为true，代表linkedlist按访问顺序排序，可作为LRU缓存

         * 第三个参数设置为false，代表按插入顺序排序，可作为FIFO缓存

         */

        map = new LinkedHashMap<K, V>(capacity, DEFAULT_LOAD_FACTORY, true) {

            @Override

            protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {

                return size() > MAX_CACHE_SIZE;

            }

        };

    }

 

    public synchronized void put(K key, V value) {

        map.put(key, value);

    }

 

    public synchronized V get(K key) {

        return map.get(key);

    }

 

    public synchronized void remove(K key) {

        map.remove(key);

    }

 

    public synchronized Set<Map.Entry<K, V>> getAll() {

        return map.entrySet();

    }

 

    @Override

    public String toString() {

        StringBuilder stringBuilder = new StringBuilder();

        for (Map.Entry<K, V> entry : map.entrySet()) {

            stringBuilder.append(String.format("%s: %s ", entry.getKey(), entry.getValue()));

        }

        return stringBuilder.toString();

    }

 

    public static void main(String[] args) {

        LRU1<Integer, Integer> lru1 = new LRU1<>(5);

        lru1.put(1, 1);

        lru1.put(2, 2);

        lru1.put(3, 3);

        System.out.println(lru1);

        lru1.get(1);

        System.out.println(lru1);

        lru1.put(4, 4);

        lru1.put(5, 5);

        lru1.put(6, 6);

        System.out.println(lru1);

    }

}

运行结果：

 

 

从运行结果中可以看出，实现了LRU缓存的思想。

 

接着使用HashMap和链表来实现LRU缓存。

 

主要的思想和上述基本一致，每次添加元素或者读取元素就将元素放置在链表的头，当缓存满了之后，就可以将尾结点元素删除，这样就实现了LRU缓存。

 

这种方法中是通过自己编写代码移动结点和删除结点，为了防止缓存大小超过限制，每次进行put的时候都会进行检查，若缓存满了则删除尾部元素。

 

import java.util.HashMap;

 

/**

 * 使用cache和链表实现缓存

 */

public class LRU2<K, V> {

    private final int MAX_CACHE_SIZE;

    private Entry<K, V> head;

    private Entry<K, V> tail;

 

    private HashMap<K, Entry<K, V>> cache;

 

    public LRU2(int cacheSize) {

        MAX_CACHE_SIZE = cacheSize;

        cache = new HashMap<>();

    }

 

    public void put(K key, V value) {

        Entry<K, V> entry = getEntry(key);

        if (entry == null) {

            if (cache.size() >= MAX_CACHE_SIZE) {

                cache.remove(tail.key);

                removeTail();

            }

            entry = new Entry<>();

            entry.key = key;

            entry.value = value;

            moveToHead(entry);

            cache.put(key, entry);

        } else {

            entry.value = value;

            moveToHead(entry);

        }

    }

 

    public V get(K key) {

        Entry<K, V> entry = getEntry(key);

        if (entry == null) {

            return null;

        }

        moveToHead(entry);

        return entry.value;

    }

 

    public void remove(K key) {

        Entry<K, V> entry = getEntry(key);

        if (entry != null) {

            if (entry == head) {

                Entry<K, V> next = head.next;

                head.next = null;

                head = next;

                head.pre = null;

            } else if (entry == tail) {

                E