LRU算法

1. 算法介绍

LRU（Least Recently Used）算法是一种常见的缓存替换算法，用于管理缓存中的数据项。它的核心思想是将最近最少使用的数据项（最久未被访问的数据项）替换出缓存，以便为新的数据项腾出空间。

LRU算法通常基于以下原则工作：

1. 维护访问顺序： LRU算法维护一个数据项的访问顺序。当某个数据项被访问时，它会被移动到队列的最前面（或者叫做"最近使用"的位置）。

2. 替换最远的数据项： 当需要替换缓存中的数据项时，LRU算法会选择队列中位于末尾的数据项，因为它们是最近最少使用的。

3. 常用数据项保持在缓存中： LRU算法的目标是确保经常访问的数据项保持在缓存中，以提高缓存的命中率，减少对底层存储的访问。

LRU算法的实现方式可以有多种，包括使用双向链表、哈希表或其他数据结构。以下是一个基本的LRU算法实现步骤：

1. 使用双向链表（或其他适当的数据结构）来维护数据项的访问顺序，其中链表头表示最近使用的数据项，链表尾表示最久未使用的数据项。
2. 当某个数据项被访问，将其移动到链表头。
3. 当需要替换数据项时，选择链表尾的数据项进行替换，并从链表中移除。
4. 为了更快地查找数据项，可以使用哈希表将数据项的键映射到链表节点的位置。

LRU算法在缓存管理和数据库系统中经常被使用，它有助于确保常用的数据可以快速访问，提高系统性能。然而，实际的LRU实现可能会因系统需求和性能考虑而有所不同。

2. 使用Java实现（使用LinkedHashMap）

以下是一个简单的Java实现LRU（Least Recently Used）缓存算法的示例。LRU缓存算法用于保持最近使用的数据项，并在容量不足时替换最久未使用的数据项。
在这个示例中，我们继承了LinkedHashMap，并设置了accessOrder为true，以便按访问顺序排序。在removeEldestEntry方法中，我们控制了是否需要删除最旧的元素，当缓存大小超过容量时，会删除最旧的元素。

这个示例演示了如何创建一个LRU缓存，向其添加元素，访问元素以更新其访问时间，并在需要时删除最旧的元素，以保持缓存容量。请注意，Java标准库中的LinkedHashMap可以方便地实现LRU缓存算法。

import java.util.LinkedHashMap;
import java.util.Map;

public class LRUCache<K, V> extends LinkedHashMap<K, V> {
    private final int capacity;

    public LRUCache(int capacity) {
        // 设置accessOrder为true，以便按访问顺序排序
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        // 在添加新元素时，控制是否需要删除最旧的元素
        return size() > capacity;
    }

    public static void main(String[] args) {
        // 创建一个容量为3的LRU缓存
        LRUCache<String, Integer> lruCache = new LRUCache<>(3);

        lruCache.put("one", 1);
        lruCache.put("two", 2);
        lruCache.put("three", 3);

        System.out.println("Current cache content: " + lruCache);

        lruCache.get("one");  // 访问"one"，使其成为最近使用的

        lruCache.put("four", 4);  // 添加新元素，触发删除最旧的元素

        System.out.println("Updated cache content: " + lruCache);
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

3. 使用Java实现（手写）

/**
 * @author 曹见朋
 * @create 2023-10-27-9:15
 */
public class LRUCacheDemo {

    // 1.构造一个Node结点
    class Node<K,V>{

        K key;
        V value;
        Node<K,V> prev;
        Node<K,V> next;

        public Node() {
            this.prev=this.next=null;
        }

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            this.prev=this.next=null;
        }

    }

    // 2. 构建一个虚拟的双向链表，里面安放的就是Node
    class DoubleLinkList<K,V>{

        Node<K,V> head;
        Node<K,V> tail;

        public DoubleLinkList() {
            head=new Node<>();
            tail=new Node<>();
            head.next=tail;
            tail.prev=head;
        }
        // 2.2 添加到头
        public void addHead(Node<K,V> node){
            node.next=head.next;
            node.prev=head;
            head.next.prev=node;
            head.next=node;
        }
        // 2.3 删除节点
        public void removeNode(Node<K,V> node){
            node.next.prev=node.prev;
            node.prev.next=node.next;
            node.next=null;
            node.prev=null;
        }
        // 2.4 获得最后一个节点
        public Node getLast(){
            return tail.prev;
        }


    }

    private int cacheSize;
    Map<Integer,Node<Integer,Integer>> map;
    DoubleLinkList<Integer,Integer> doubleLinkList;

    public LRUCacheDemo(int cacheSize) {
        this.cacheSize = cacheSize;
        map=new HashMap<>();
        doubleLinkList=new DoubleLinkList<>();
    }
    public int get(int key){ // 获取
        if(!map.containsKey(key)){ // 不存在
            return -1;
        }
        Node<Integer, Integer> integerIntegerNode = map.get(key);
        doubleLinkList.removeNode(integerIntegerNode);
        doubleLinkList.addHead(integerIntegerNode);
        return integerIntegerNode.value;
    }
    public void put(int key,int value){
        if(map.containsKey(key)){//已经存在该key
            Node<Integer, Integer> integerIntegerNode = map.get(key);
            integerIntegerNode.value=value;
            map.put(key,integerIntegerNode);
            doubleLinkList.removeNode(integerIntegerNode);
            doubleLinkList.addHead(integerIntegerNode);
        }else {
            if (map.size()==cacheSize) {//满了

                Node<Integer,Integer> lastNode=doubleLinkList.getLast();
                map.remove(lastNode.key);
                doubleLinkList.removeNode(lastNode);
            }
            //新增
            Node<Integer, Integer> objectObjectNode = new Node<>();
            map.put(key,objectObjectNode);
            doubleLinkList.addHead(objectObjectNode);
        }
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99