https://blog.csdn.net/foye12/article/details/78647647
近期使用springboot集成ehcache实现缓存，spring还支持使用简单ConcurrentMapCache实现，底层就是用ConcurrentHashMap实现。ehcache相对来说比较重，加pom依赖下载了很长时间，但是ehcache有很多可配置的选项，其中包括缓存达到一定大小淘汰的算法的选择。包括了FIFO、LRU、LFU可以根据不同的业务场景选择。
一、LRU的实现比较简单，因为java中的LinkedHashMap有很多特点正好适合LRU的思想。LRU（least recently used）最近最少使用，首先淘汰最长时间未被使用的页面。使用链表实现，当一个元素被访问了，把元素移动到链表的顶端，插入新元素也放到顶端，当缓存数量到达限制，直接从链表底端移除元素。
public class LRU<k, v> extends LinkedHashMap<k, v> {
private final int MAX_SIZE;
public LRU(int capcity) {
super(8, 0.75f,true);
this.MAX_SIZE = capcity;
}
@Override
public boolean removeEldestEntry(Map.Entry<k, v> eldest) {
if (size() > MAX_SIZE) {
System.out.println("移除的元素为：" + eldest.getValue());
}
return size() > MAX_SIZE;
}
public static void main(String[] args) {
Map<Integer, Integer> map = new LRU<>(5);
for (int i = 1; i <= 11; i++) {
map.put(i, i);
System.out.println("cache的容量为：" + map.size());
if (i == 4) {
map.get(1);
}
}
System.out.println("=-=-=-=-=-=-=-map元素:");
map.entrySet().forEach(integerIntegerEntry -> System.out.println(integerIntegerEntry.getValue()));
}
}
LinkedHashMap有一个accessOrder的参数正好和LRU的思路相契合，这里使用0.75的默认加载因子（加载因子过小空间利用率低，冲突减少，访问速度快，加载因子过大，反之。加载因子过大，当执行put操作，两个对象的hashcode相同时要操作链表，相应的get操作是也要操作链表，这样就使得访问变慢。）
removeEldestEntry方法当结果返回为true时，它会清除map中的最老元素。以实现LRU的算法。
运行结果为：
cache的容量为：1
cache的容量为：2
cache的容量为：3
cache的容量为：4
cache的容量为：5
移除的元素为：2
cache的容量为：5
移除的元素为：3
cache的容量为：5
移除的元素为：4
cache的容量为：5
移除的元素为：1
cache的容量为：5
移除的元素为：5
cache的容量为：5
移除的元素为：6
cache的容量为：5
=-=-=-=-=-=-=-map元素:
7
8
9
10
11
代码里面为了测试，在加入元素4的时候，访问了一下元素1，然后看到，在缓存达到限制时，最先移除的不是1，而是2，3然后是1。
第二种实现：双向链表加HashMap
public class LRUCache1<K, V> {
private final int MAX_CACHE_SIZE;
//链表头
private Entry first;
//链表尾,储存最旧的元素
private Entry last;
//键值对
private HashMap<K, Entry<K, V>> hashMap;
public LRUCache1(int cacheSize) {
MAX_CACHE_SIZE = cacheSize;
hashMap = new HashMap<K, Entry<K, V>>();
}
//基础方法put
public void put(K key, V value) {
Entry entry = getEntry(key);
if (entry == null) {
if (hashMap.size() >= MAX_CACHE_SIZE) {
//删除hashmap中的last元素
hashMap.remove(last.key);
//删除双向链表中的last节点
removeLast();
}
entry = new Entry();
entry.key = key;
}
entry.value = value;
//移到链表头部
moveToFirst(entry);
hashMap.put(key, entry);
}
//基础方法get
public V get(K key) {
Entry<K, V> entry = getEntry(key);
if (entry == null) return null;
moveToFirst(entry);
return entry.value;
}
//将entry移到头部
private void moveToFirst(Entry entry) {
if (entry == first) return;
if (entry.pre != null) entry.pre.next = entry.next;
if (entry.next != null) entry.next.pre = entry.pre;
if (entry == last) last = last.pre;
if (first == null || last == null) {
first = last = entry;
return;
}
entry.next = first;
first.pre = entry;
first = entry;
entry.pre = null;
}
//删除最老的元素
private void removeLast() {
if (last != null) {
last = last.pre;
if (last == null) first = null;
else last.next = null;
}
}
private Entry<K, V> getEntry(K key) {
return hashMap.get(key);
}
//双向链表
class Entry<K, V> {
public Entry pre;
public Entry next;
public K key;
public V value;
}
}二、LFU(Least Frequently Used)淘汰一定时期内被访问次数最少的元素。如果元素的一定时间内的访问次数相同时，则比较他们的最新一次的访问时间。
public class LFU<k, v> {
private final int capcity;
private Map<k, v> cache = new HashMap<>();
private Map<k, HitRate> count = new HashMap<>();
public LFU(int capcity) {
this.capcity = capcity;
}
public void put(k key, v value) {
v v = cache.get(key);
if (v == null) {
if (cache.size() == capcity) {
removeElement();
}
count.put(key, new HitRate(key, 1, System.nanoTime()));
} else {
addHitCount(key);
}
cache.put(key, value);
}
public v get(k key) {
v value = cache.get(key);
if (value != null) {
addHitCount(key);
return value;
}
return null;
}
//移除元素
private void removeElement() {
HitRate hr = Collections.min(count.values());
cache.remove(hr.key);
count.remove(hr.key);
}
//更新访问元素状态
private void addHitCount(k key) {
HitRate hitRate = count.get(key);
hitRate.hitCount = hitRate.hitCount + 1;
hitRate.lastTime = System.nanoTime();
}
//内部类
class HitRate implements Comparable<HitRate> {
private k key;
private int hitCount;
private long lastTime;
private HitRate(k key, int hitCount, long lastTime) {
this.key = key;
this.hitCount = hitCount;
this.lastTime = lastTime;
}
@Override
public int compareTo(HitRate o) {
int compare = Integer.compare(this.hitCount, o.hitCount);
return compare == 0 ? Long.compare(this.lastTime, o.lastTime) : compare;
}
}
public static void main(String[] args) {
LFU<Integer, Integer> cache = new LFU<>(3);
cache.put(2, 2);
cache.put(1, 1);
System.out.println(cache.get(2));
System.out.println(cache.get(1));
System.out.println(cache.get(2));
cache.put(3, 3);
cache.put(4, 4);
//1、2元素都有访问次数，放入3后缓存满，加入4时淘汰3
System.out.println(cache.get(3));
System.out.println(cache.get(2));
//System.out.println(cache.get(1));
System.out.println(cache.get(4));
cache.put(5, 5);
//目前2访问2次，1访问一次，4访问一次，由于4的时间比较新，放入5的时候移除1元素。
System.out.println("-=-=-=-");
cache.cache.entrySet().forEach(entry -> {
System.out.println(entry.getValue());
});
}
}
这里实现略微复杂，首先要维持一个缓存的map还要维持一个访问次数以及时间的map。
1、首先内部类有3个属性，有缓存的key，缓存的访问次数，最近一次的访问时间。内部实现比较器，按照先访问次数后时间的比较顺序。整个类作为对象放在一个hashmap的value里。
2、put方法：当一个元素要放入缓存的时候，先去缓存检查是否有相同的key，也就是要填加的（key，value）在cache的map里get（key）是否为空。这里不用检查value是否有相同的，标识一个缓存的唯一性是key，key不同就是一个不同的缓存元素。
当get（key）为空时，要放入缓存新元素了，首先检查缓存的容量是否达到限制值，达到了，执行移除一个元素的方法，然后在count的map里加入相应的访问信息，初始值为1。如果没达到限制值，直接在count的map里加入相应的访问信息，初始值为1。
当get（key）不为空直接执行addHitCount方法。将访问次数加1，更新最新访问时间。
最后不管什么情况，执行map.put方法。
运行结果：
2
1
2
null
2
4
-=-=-=-
2
4
5
开始加入1，2，访问1，一次2两次。加入3，在加入4.发现缓存元素为124.原因是1，2都有访问次数，3和4在时间上，比较古老，会被淘汰。
380
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
