赞
踩
在计算机科学中,缓存是一种用于提高数据访问速度的技术。然而,缓存空间是有限的,当缓存被填满时,就需要一种策略来决定哪些数据应该保留,哪些应该被淘汰。LRU(最近最少使用)算法是一种广泛使用的缓存淘汰策略,它基于一个简单的假设:如果数据最近被访问过,那么它在未来也更有可能被访问。
LRU算法的核心思想是:在缓存空间不足时,淘汰最长时间未被访问的数据项。这种策略适用于多种场景,包括Web缓存、数据库查询缓存、操作系统的页面置换等。
LRU算法通常需要两种数据结构来实现:
哈希表:提供O(1)时间复杂度的数据访问和插入。
双向链表:维护数据项的使用顺序,最近使用的在头部,最久未使用的在尾部。
获取数据(Get):从缓存中获取数据,如果数据存在(缓存命中),则将该数据移到链表头部;如果数据不存在(缓存未命中),返回 -1。
放入数据(Put):将数据放入缓存,如果数据已经存在,则更新数据值并将该节点移到链表头部;如果数据不存在,则在链表头部插入新的节点,如果缓存已满,还需要移除链表尾部的节点。
class LRUCache { /** 整体思路:定义双向循环链表和Map,其中Map的key存储key,value存储链表节点. 为什么定义双向循环链表,因为这样定义就不需要定义额外的头尾节点 */ static class Node{ Node prev, next; int key, val; public Node(int key, int val){ this.key = key; this.val = val; } } private Node dummy = new Node(-1,-1); Map<Integer, Node> mp = new HashMap<>(); private int capacity; public LRUCache(int capacity) { this.capacity = capacity; dummy.prev = dummy; dummy.next = dummy; } public int get(int key) { // 判断是否在缓存 Node node = mp.get(key); // 不在,直接返回-1 if(node == null) return -1; // 在,就把当前节点移动到前面 moveToHead(node); // 返回节点值 return node.val; } public void put(int key, int value) { // 判断是否在缓存 Node node = mp.get(key); // 在,就把当前节点移动到前面 if(node != null){ // 更新node.val node.val = value; moveToHead(node); }else{ // 不在,就加入 node = new Node(key, value); mp.put(key, node); // 将新节点加入到头部 insert(node); // 如果当前容量大于LRU容量,就移出 if(mp.size() > capacity){ // 找到尾节点 node = dummy.prev; // 删除尾节点 del(node); // 从缓存移出对应的key mp.remove(node.key); } } } // 移动当前节点到头节点 public void moveToHead(Node node){ del(node); insert(node); } // 插入头部 public void insert(Node node){ node.prev = dummy; node.next = dummy.next; dummy.next.prev = node; dummy.next = node; } // 删除节点 public void del(Node node){ node.prev.next = node.next; node.next.prev = node.prev; } }
LRU算法的优势在于其简单性和效率。它能够快速地识别并淘汰最久未使用的数据项。然而,LRU也有局限性,它可能不适用于所有类型的访问模式,特别是那些具有周期性或随机性访问模式的场景。另外,在某些情况下,LRU 缓存可能会频繁地移除和加载数据,导致缓存抖动。这种现象在缓存大小接近于工作集大小时尤为明显。
LRU算法是一种高效且广泛使用的缓存淘汰策略,适用于多种需要缓存的场景。通过理解其工作原理和实现方式,我们可以更好地利用缓存来提高系统性能。随着技术的发展,对LRU算法的优化和变种也在不断涌现,为不同的应用场景提供了更多的选择。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。