java LRU java基础--自己动手实现一个LRU
chenssy 人气:0LRU,即 Least Recently Use ,直译为 “最近最少使用”。它是根据数据的历史访问记录来进行数据淘汰的,淘汰掉最先访问的数据,其核心思想是 如果数据最近被访问过,那么将来被访问的几率也会更加高。
要实现 LRU,需要做到两点:
- 查询出最近最晚使用的项
- 给最近使用的项做一个标记
实现的方案有多种,这里小编主要介绍两种:
- LinkedHashMap
- 双向链表 + HashMap
LinkedHashMap 实现
利用 LinkedHashMap 的原因就在于 LinkedHashMap 是有序的,默认情况下是按照元素的添加顺序存储的,也可以调整为根据访问顺序来调整内部顺序(设置参数 accessOrder 进行调整),即最近读取的数据放在最前面,我们就是利用 LinkedHashMap 的这个特性来实现 LRU。先来一个简单的例子吧:
public static void main(String[] args){ Map<String,String> map = new LinkedHashMap(10,0.75f,true); map.put("1","a"); map.put("2","b"); map.put("3","c"); map.put("4","d"); System.out.println("原始顺序为:"); for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){ System.out.print(it.next().getKey() + " "); } System.out.println(); map.get("2"); System.out.println("访问 4 之后的顺序为:"); for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){ System.out.print(it.next().getKey() + " "); } }
运行结果:
原始顺序为: 1 2 3 4 访问 4 之后的顺序为: 1 3 4 2
更多关于 LinkedHashMap,请看这篇文章:LinkedHashMap
LinkedHashMap 实现 LRU 有两种方式,一种是继承 LinkedHashMap,一种是利用组合的方式,下面分别演示这两种情况。
继承 LinkedHashMap
采用继承的方式实现起来是非常简单的,因为 LinkedHashMap 本身就已经具备了 LRU 的特性,我们只需要实现一点:当容器中元素个数超过我们设定的容量后,删除第一个元素即可。同时由于 LinkedHashMap 本身不具备线程安全,我们需要确保他线程安全,这个也很简单,重写 LinkedHashMap 的 get()
和 put()
方法即可,或者使用 Collections.synchronizedMap() 方法也可以。实现如下:
public class LRUCacheLinkedHashMap<K,V> extends LinkedHashMap<K,V> { /** * 定一缓存容量 */ private int capacity; LRUCacheLinkedHashMap(int capacity){ // AccessOrder = true super(capacity,0.75f,true); this.capacity = capacity; } /** * 实现LRU的关键方法,如果 map 里面的元素个数大于了缓存最大容量,则删除链表的顶端元素 * * @param eldest * @return */ @Override public boolean removeEldestEntry(Map.Entry<K, V> eldest){ System.out.println(eldest.getKey() + "=" + eldest.getValue()); return size()>capacity; } @Override public synchronized V get(Object key) { return super.get(key); } @Override public synchronized V put(K key, V value) { return super.put(key, value); } }
验证
public static void main(String[] args){ LRUCacheLinkedHashMap cache = new LRUCacheLinkedHashMap(5); cache.put("1","a"); cache.put("2","b"); cache.put("3","c"); cache.put("4","d"); cache.put("5","e"); System.out.println("插入 5 个元素后的顺序"); printlnCache(cache); // 插入第 6 个元素 cache.put("6","e"); System.out.println("插入第 6 个元素后的顺序"); printlnCache(cache); // 访问 第 3 个元素 cache.get("3"); System.out.println("访问元素 3 后的顺序"); printlnCache(cache); } private static void printlnCache(LRUCacheLinkedHashMap cacheMap){ for(Iterator<Map.Entry<String,String>> it = cacheMap.entrySet().iterator(); it.hasNext();){ System.out.print(it.next().getKey() + " "); } System.out.println(); }
运行结果:
插入 5 个元素后的顺序 1 2 3 4 5 插入第 6 个元素后的顺序 2 3 4 5 6 访问元素 3 后的顺序 2 4 5 6 3
运行结果完全符合我们的预期
组合 LinkedHashMap
使用组合的方式可能会更加优雅些,但是由于没有实现 Map 接口,所以就不能使用 Collections.synchronizedMap()
方式来保证线程安全性了,所以需要在每个方法处增加 synchronized 来确保线程安全。实现方式如下:
public class LRUCache<K,V> { private int capacity; private Map<K,V> cacheMap; public LRUCache(int capacity){ this.capacity = capacity; cacheMap = new LinkedHashMap<>(capacity,0.75f,true); } public synchronized void put(K k,V v){ cacheMap.put(k,v); // 移除第一个元素 if(cacheMap.size() > capacity){ K first = this.keyIterator().next(); cacheMap.remove(first); } } public synchronized V get(K k){ return cacheMap.get(k); } public Iterator<K> keyIterator(){ return cacheMap.keySet().iterator(); } }
验证:
public static void main(String[] args) { LRUCache lruCache = new LRUCache(5); lruCache.put("1","a"); lruCache.put("2","b"); lruCache.put("3","c"); lruCache.put("4","d"); lruCache.put("5","e"); System.out.println("插入 5 个元素后的顺序"); println(lruCache); // 插入第 6 个元素 lruCache.put("6","e"); System.out.println("插入 第 6 个元素后的顺序"); println(lruCache); // 访问 第 3 个元素 lruCache.get("3"); System.out.println("访问元素 3 后的顺序"); println(lruCache); } private static void println(LRUCache lruCache){ for(Iterator it = lruCache.keyIterator(); it.hasNext();){ System.out.print(it.next() + " "); } System.out.println(); }
运行结果如下:
插入 5 个元素后的顺序 1 2 3 4 5 插入 第 6 个元素后的顺序 2 3 4 5 6 访问元素 3 后的顺序 2 4 5 6 3
组合的方式也显得非常简单,有两点需要注意:
- 保证每个方法的线程安全
- put 时,需要查看当前容量是否超过设置的容量,超过则需要删除第一个元素。当然小编这种是实现方式不是很优雅,这么做知识为了能够更加好阐述 LRU 的实现。更好的方案是在构造 LinkedHashMap 时,重写
removeEldestEntry(),
如下:
cacheMap = new LinkedHashMap<K,V>(capacity,0.75f,true){ @Override protected boolean removeEldestEntry(Map.Entry eldest) { return size()>capacity; } };
链表 + HashMap 实现
我们想想,在不利用现存数据结构的条件(如 LinkedHashMap)如何实现一个 LRU 呢?缓存部分容易实现,我们都知道利用 HashMap 即可,但是如何实现缓存容量不足时丢弃最不常用的数据的功能?
- 利用时间戳。每一个访问,增加的元素我们都给其更新一个时间戳,在 put 的时候,检查,删除时间戳最小的就可以了。这种方法可以实现,但是代价较高,就是我们需要遍历整个数据,得到最小的时间戳。
- 我们可以换位思考,我们其实不需要关注每个节点的增加或者遍历时间,我们只需要知道那个节点是最先访问就可以了,所以我们可以利用链表记录访问记录,有新数据加入时放在链表的 head 节点,每次访问也将该数据放在 head 节点,那么链表的 tail 一定是最早访问的节点,所以每次当容量不足的时候删除 tail 节点数据并将它的前驱节点设置为 tail 就可以了。注意,这个链表是一个双向链表。代码如下:
public class LinkedLRUCache<K,V> { private int capacity; private Map<K,LRUNode> map; private LRUNode head; private LRUNode tail; LinkedLRUCache(int capacity){ this.capacity = capacity; this.map = new HashMap<>(); } public synchronized void put(K k,V v){ LRUNode node = map.get(k); // 存在该 key,将节点的设置为 head if(node != null){ node.value = v; remove(node,false); }else{ /** * 该节点不存在 * 1、将该节点加入缓存 * 2、设置该节点为 head * 3、判断是否超出容量 */ node = new LRUNode(k,v); if(map.size() >= capacity){ //删除 tail 节点 remove(tail,true); } map.put(k,node); setHead(node); } // 设置当前节点为首节点 setHead(node); } public Object get(String key) { LRUNode node = map.get(key); if (node != null) { // 将刚操作的元素放到head remove(node, false); setHead(node); return node.value; } return null; } /** * 设置头结点 * * @param node */ private void setHead(LRUNode node) { if(head != null){ node.next = head; head.prev = node; } head = node; if(tail == null){ tail = node; } } /** * 从链表中删除此Node * * @param node * @param flag 为 true 就删除该节点的 key */ private void remove(LRUNode node,boolean flag) { if (node.prev != null) { node.prev.next = node.next; } else { head = node.next; } if (node.next != null) { node.next.prev = node.prev; } else { tail = node.prev; } node.next = null; node.prev = null; if (flag) { map.remove(node.key); } } private Iterator iterator(){ return map.keySet().iterator(); } private class LRUNode<K,V> { /** * cache 的 key */ private K key; /** * cache 的 value */ private V value; private LRUNode next; private LRUNode prev; LRUNode(K key, V value) { this.key = key; this.value = value; } } }
验证
public static void main(String[] args){ LRUCache lruCache = new LRUCache(5); lruCache.put("1","a"); lruCache.put("2","b"); lruCache.put("3","c"); lruCache.put("4","d"); lruCache.put("5","e"); System.out.println("插入 5 个元素"); println(lruCache); System.out.println("插入 3 元素"); lruCache.put("3","c"); println(lruCache); System.out.println("插入第 6 个元素"); lruCache.put("6","f"); println(lruCache); System.out.println("访问 4 元素"); lruCache.get("4"); println(lruCache); } private static void println(LRUCache lruCache){ Iterator iterator = lruCache.keyIterator(); while (iterator.hasNext()){ System.out.print(iterator.next() + " "); } System.out.println(); }
执行结果:
插入 5 个元素 1 2 3 4 5 插入 3 元素 1 2 4 5 3 插入第 6 个元素 2 4 5 3 6 访问 4 元素 2 5 3 6 4
加载全部内容