【死磕 Java 基础】 — 自己动手实现一个 LRU

大家好,我是大明哥,一个专注于【死磕 Java】系列创作的男人

个人网站:https://www.cmsblogs.com/。专注于 Java 优质系列文章分享,提供一站式 Java 学习资料


LRU,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:

  1. LinkedHashMap
  2. 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:图解集合6: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()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:

  1. 保证每个方法的线程安全
  2. 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
上一篇:用 Go 实现一个 LRU cache


下一篇:转帖: 一份超全超详细的 ADB 用法大全