手写LRU缓存淘汰算法

背景

在咱们这个日益谋求高效的世界，咱们对任何事件的期待都显得非常的塌实，网页页面刷新不进去，好烦，电脑关上运行程序慢，又是好烦！那怎么办，技术的产生不就是咱们所服务么，明天咱们就聊一聊缓存这个技术，并应用咱们熟知的数据结构--用链表实现LRU缓存淘汰算法。

在学习如何应用链表实现LRU缓存淘汰算法前，咱们先提出几个问题，大家好好思考下，问题如下：

什么是缓存，缓存的作用？
缓存的淘汰策略有哪些？
如何应用链表实现LRU缓存淘汰算法，有什么特点，如何优化？

好了，咱们带着下面的问题来学进行上面的学习。

1、什么是缓存，缓存的作用是什么?

缓存能够简略的了解为保留数据的一个正本，以便于后续可能疾速的进行拜访。以计算机的应用场景为例，当cpu要拜访内存中的一条数据时，它会先在缓存里查找，如果可能找到则间接应用，如果没找到，则须要去内存里查找；

同样的，在数据库的拜访场景中，当我的项目零碎须要查询数据库中的某条数据时，能够先让申请查问缓存，如果命中，就间接返回缓存的后果，如果没有命中，就查询数据库，并将查问后果放入缓存，下次申请时查问缓存命中，间接返回后果，就不必再次查询数据库。

通过以上两个例子，咱们发现无论在哪种场景下，都存在这样一个程序：先缓存，后内存；先缓存，后数据库。然而缓存的存在也占用了一部分内存空间，所以缓存是典型的以空间换工夫，就义数据的实时性，却满足计算机运行的高效性。

认真想一下，咱们日常开发中遇到缓存的例子还挺多的。

操作系统的缓存

缩小与磁盘的交互

数据库缓存

缩小对数据库的查问

Web服务器缓存

缩小对应用服务器的申请

客户浏览器的缓存

缩小对网站的拜访

2、缓存有哪些淘汰策略?

缓存的实质是以空间换工夫，那么缓存的容量大小必定是无限的，当缓存被占满时，缓存中的那些数据应该被清理进来，那些数据应该被保留呢？这就须要缓存的淘汰策略来决定。

事实上，罕用的缓存的淘汰策略有三种：先进先出算法(First in First out FIFO)；淘汰肯定期间内被拜访次数起码的页面(Least Frequently Used LFU)；淘汰最长工夫未被应用的页面(Least Recently Used LRU)

这些算法在不同档次的缓存上执行时具备不同的效率，须要联合具体的场景来抉择。

2.1 FIFO算法

FIFO算法即先进先出算法，常采纳队列实现。在缓存中，它的设计准则是：如果一个数据最先进入缓存中，则应该最早淘汰掉。

新拜访的数据插入FIFO队列的尾部，队列中数据由队到队头按程序程序挪动
队列满时，删除队头的数据

2.2 LRU算法

LRU算法是依据对数据的历史拜访次数来进行淘汰数据的，通常应用链表来实现。在缓存中，它的设计准则是：如果数据最近被拜访过，那么未来它被拜访的几率也很高。

新退出的数据插入到链表的头部
每当缓存命中时(即缓存数据被拜访)，则将数据移到链表头部
当来链表已满的时候，将链表尾部的数据抛弃

2.3 LFU算法

LFU算法是依据数据的历史拜访频率来淘汰数据，因而，LFU算法中的每个数据块都有一个援用计数，所有数据块依照援用计数排序，具备雷同援用计数的数据块则依照工夫排序。在缓存中，它的设计准则是：如果数据被拜访屡次，那么未来它的拜访频率也会更高。

新退出数据插入到队列尾部（援用计数为1；
队列中的数据被拜访后，援用计数减少，队列从新排序；
当须要淘汰数据时，将曾经排序的列表最初的数据块删除。

3、如何应用链表实现缓存淘汰，有什么特点，如何优化？

在下面的文章中咱们了解了缓存的概念及淘汰策略，其中LRU算法是口试/面试中考查比拟频繁的，我秋招的时候，很多公司都让我手写了这个算法，为了防止大家采坑，上面，咱们就手写一个LRU缓存淘汰算法。

咱们都晓得链表的模式不止一种，咱们应该抉择哪一种呢？

思考三分钟........

好了，颁布答案！

事实上，链表依照不同的连接结构能够划分为单链表、循环链表和双向链表。

单链表

每个节点只蕴含一个指针，即后继指针。
单链表有两个非凡的节点，即首节点和尾节点，用首节点地址示意整条链表，尾节点的后继指针指向空地址null。
性能特点：插入和删除节点的工夫复杂度为O(1)，查找的工夫复杂度为O(n)。

循环链表

除了尾节点的后继指针指向首节点的地址外均与单链表统一。
实用于存储有循环特点的数据，比方约瑟夫问题。

双向链表

节点除了存储数据外，还有两个指针别离指向前一个节点地址（前驱指针prev）和下一个节点地址（后继指针next）
首节点的前驱指针prev和尾节点的后继指针均指向空地址。

双向链表相较于单链表的一大劣势在于：找到前驱节点的工夫复杂度为O(1)，而单链表只能从头节点缓缓往下找，所以依然是O(n).而且，对于插入和删除也是有优化的。

咱们可能会有问题：单链表的插入删除不是O(1)吗？

是的，然而个别状况下，咱们想要进行插入删除操作，很多时候还是得先进行查找，再插入或者删除，可见其实是先O(n),再O(1)。

不相熟链表解题的同学能够先看看我的上一篇算法解析文章刷了LeetCode链表专题，我发现了一个机密。

因为咱们须要删除操作，删除一个节点不仅要失去该节点自身的指针，也须要操作其它前驱节点的指针，而双向链表可能间接找到前驱，保障了操作工夫复杂度为O(1)，因而应用双向链表作为实现LRU缓存淘汰算法的构造会更高效。

算法思路

保护一个双向链表，保留所有缓存的值，并且最老的值放在链表最初面。

当拜访的值在链表中时：将找到链表中值将其删除，并从新在链表头增加该值（保障链表中数值的程序是从新到旧）
当拜访的值不在链表中时：当链表已满：删除链表最初一个值，将要增加的值放在链表头当链表未满：间接在链表头增加

3.1 LRU缓存淘汰算法

极客工夫王争的《数据结构与算法之美》给出了一个应用有序单链表实现LRU缓存淘汰算法，代码如下：

public class LRUBaseLinkedList<T> {    /**     * 默认链表容量     */    private final static Integer DEFAULT_CAPACITY = 10;    /**     * 头结点     */    private SNode<T> headNode;    /**     * 链表长度     */    private Integer length;    /**     * 链表容量     */    private Integer capacity;    public LRUBaseLinkedList() {        this.headNode = new SNode<>();        this.capacity = DEFAULT_CAPACITY;        this.length = 0;    }    public LRUBaseLinkedList(Integer capacity) {        this.headNode = new SNode<>();        this.capacity = capacity;        this.length = 0;    }    public void add(T data) {        SNode preNode = findPreNode(data);        // 链表中存在，删除原数据，再插入到链表的头部        if (preNode != null) {            deleteElemOptim(preNode);            intsertElemAtBegin(data);        } else {            if (length >= this.capacity) {                //删除尾结点                deleteElemAtEnd();            }            intsertElemAtBegin(data);        }    }    /**     * 删除preNode结点下一个元素     *     * @param preNode     */    private void deleteElemOptim(SNode preNode) {        SNode temp = preNode.getNext();        preNode.setNext(temp.getNext());        temp = null;        length--;    }    /**     * 链表头部插入节点     *     * @param data     */    private void intsertElemAtBegin(T data) {        SNode next = headNode.getNext();        headNode.setNext(new SNode(data, next));        length++;    }    /**     * 获取查找到元素的前一个结点     *     * @param data     * @return     */    private SNode findPreNode(T data) {        SNode node = headNode;        while (node.getNext() != null) {            if (data.equals(node.getNext().getElement())) {                return node;            }            node = node.getNext();        }        return null;    }    /**     * 删除尾结点     */    private void deleteElemAtEnd() {        SNode ptr = headNode;        // 空链表间接返回        if (ptr.getNext() == null) {            return;        }        // 倒数第二个结点        while (ptr.getNext().getNext() != null) {            ptr = ptr.getNext();        }        SNode tmp = ptr.getNext();        ptr.setNext(null);        tmp = null;        length--;    }    private void printAll() {        SNode node = headNode.getNext();        while (node != null) {            System.out.print(node.getElement() + ",");            node = node.getNext();        }        System.out.println();    }    public class SNode<T> {        private T element;        private SNode next;        public SNode(T element) {            this.element = element;        }        public SNode(T element, SNode next) {            this.element = element;            this.next = next;        }        public SNode() {            this.next = null;        }        public T getElement() {            return element;        }        public void setElement(T element) {            this.element = element;        }        public SNode getNext() {            return next;        }        public void setNext(SNode next) {            this.next = next;        }    }    public static void main(String[] args) {        LRUBaseLinkedList list = new LRUBaseLinkedList();        Scanner sc = new Scanner(System.in);        while (true) {            list.add(sc.nextInt());            list.printAll();        }    }}

这段代码不论缓存有没有满，都须要遍历一遍链表，所以这种基于链表的实现思路，缓存拜访的工夫复杂度为 O(n)。

3.2应用哈希表优化LRU

事实上，这个思路还能够持续优化，咱们能够把单链表换成双向链表，并引入散列表。

双向链表反对查找前驱，保障操作的工夫复杂度为O(1)
引入散列表记录每个数据的地位，将缓存拜访的工夫复杂度降到O(1)

哈希表查找较快，然而数据无固定的程序；链表倒是有程序之分。插入、删除较快，然而查找较慢。将它们联合，就能够造成一种新的数据结构--哈希链表(LinkedHashMap)

力扣上146题-LRU缓存机制刚好能够拿来练手，题图如下：

题目：

使用你所把握的数据结构，设计和实现一个 LRU (最近起码应用) 缓存机制。

实现 LRUCache 类：

LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
void put(int key, int value) 如果关键字曾经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到下限时，它应该在写入新数据之前删除最久未应用的数据值，从而为新的数据值留出空间。

思路：

咱们的思路就是哈希表+双向链表

哈希表用于满足题目工夫复杂度O(1)的要求，双向链表用于存储程序
哈希表键值类型：<Integer, ListNode>，哈希表的键用于存储输出的key，哈希表的值用于存储双向链表的节点
双向链表的节点中除了value外还须要蕴含key，因为在删除最久未应用的数据时，须要通过链表来定位hashmap中该当删除的键值对
一些操作：双向链表中，在前面的节点示意被最近拜访

新退出的节点放在链表开端，addNodeToLast(node)
若容量达到下限，去除最久未应用的数据，removeNode(head.next)
若数据新被拜访过，比方被get了或被put了新值，把该节点挪到链表开端，moveNodeToLast(node)

为了操作的不便，在双向链表头和尾别离定义一个head和tail节点。

代码

class LRUCache {    private int capacity;    private HashMap<Integer, ListNode> hashmap;     private ListNode head;    private ListNode tail;    private class ListNode{        int key;        int val;        ListNode prev;        ListNode next;        public ListNode(){          }        public ListNode(int key, int val){            this.key = key;            this.val = val;        }    }    public LRUCache(int capacity) {        this.capacity = capacity;        hashmap = new HashMap<>();        head = new ListNode();        tail = new ListNode();        head.next = tail;        tail.prev = head;    }    private void removeNode(ListNode node){        node.prev.next = node.next;        node.next.prev = node.prev;    }    private void addNodeToLast(ListNode node){        node.prev = tail.prev;        node.prev.next = node;        node.next = tail;        tail.prev= node;    }    private void moveNodeToLast(ListNode node){        removeNode(node);        addNodeToLast(node);    }        public int get(int key) {           if(hashmap.containsKey(key)){            ListNode node = hashmap.get(key);            moveNodeToLast(node);            return node.val;        }else{            return -1;        }    }        public void put(int key, int value) {        if(hashmap.containsKey(key)){            ListNode node = hashmap.get(key);            node.val = value;            moveNodeToLast(node);            return;        }        if(hashmap.size() == capacity){            hashmap.remove(head.next.key);            removeNode(head.next);        }        ListNode node = new ListNode(key, value);        hashmap.put(key, node);        addNodeToLast(node);    }}

伟人的肩膀

[1]数据结构与算法之美-王争

[2]力扣-LRU缓存机制(146题)

[3]https://blog.csdn.net/yangpl_...

[4]https://leetcode-cn.com/probl...

本文由博客群发一文多发等经营工具平台 OpenWrite 公布