上次的文章介绍了 LRU 算法，明天打算来介绍一下 LFU 算法。在上篇文章中有提到， LFU（Least frequently used：起码应用）算法与 LRU 算法只是在淘汰策略上有所不同，LRU 偏向于保留最近有应用的数据，而 LFU 偏向于保留应用频率较高的数据。
举一个简略的：缓存中有 A、B 两个数据，且已达到下限，如果 数据 A 先被拜访了 10 次，而后 数据 B 被拜访 1 次，当存入新的 数据 C 时，如果以后是 LRU 算法，会将 数据 A 淘汰，而如果是 LFU 算法，则会淘汰 数据 B。
简略来说，就是在 LRU 算法中，不论拜访的频率，只有最近拜访过，就不会将这个数据淘汰，而在 LFU 算法中，将拜访的频率作为权重，只有拜访频率越高，该数据就越不会被淘汰，即便该数据很久没有被拜访过。
算法实现
咱们还是通过一段 JavaScript 代码来实现这个逻辑。
class LFUCache { freqs = {} // 用于标记拜访频率 cache = {} // 用于缓存所有数据 capacity = 0 // 缓存的最大容量 constructor (capacity) { // 存储 LFU 可缓存的最大容量 this.capacity = capacity }}与 LRU 算法一样，LFU 算法也须要实现 get 与 put 两个办法，用于获取缓存和设置缓存。
class LFUCache { // 获取缓存 get (key) { } // 设置缓存 put (key, value) { }}老规矩，先看设置缓存的局部。如果该缓存的 key 之前存在，须要更新其值。
class LFUCache { // cache 作为缓存的存储对象 // 其解构为: { key: { freq: 0, value: '' } } // freq 示意该数据读取的频率； // value 示意缓存的数据； cache = {} // fregs 用于存储缓存数据的频率 // 其解构为: { 0: [a], 1: [b, c], 2: [d] } // 示意 a 还没被读取，b/c 各被读取1次，d被读取2次 freqs = {} // 设置缓存 put (key, value) { // 先判断缓存是否存在 const cache = this.cache[key] if (cache) { // 如果存在，则重置缓存的值 cache.value = value // 更新应用频率 let { freq } = cache // 从 freqs 中获取对应 key 的数组 const keys = this.freqs[freq] const index = keys.indexOf(key) // 从频率数组中，删除对应的 key keys.splice(index, 1) if (keys.length === 0) { // 如果以后频率曾经不存在 key // 将 key 删除 delete this.freqs[freq] } // 更新频率加 1 freq = (cache.freq += 1) // 更新频率数组 const freqMap = this.freqs[freq] || (this.freqs[freq] = []) freqMap.push(key) return } }}如果该缓存不存在，要先判断缓存是否超过容量，如果超过，须要淘汰掉应用频率最低的数据。
class LFUCache { // 更新频率 active (key, cache) { // 更新应用频率 let { freq } = cache // 从 freqs 中获取对应 key 的数组 const keys = this.freqs[freq] const index = keys.indexOf(key) // 从频率数组中，删除对应的 key keys.splice(index, 1) if (keys.length === 0) { // 如果以后频率曾经不存在 key // 将 key 删除 delete this.freqs[freq] } // 更新频率加 1 freq = (cache.freq += 1) // 更新读取频率数组 const freqMap = this.freqs[freq] || (this.freqs[freq] = []) freqMap.push(key) } // 设置缓存 put (key, value) { // 先判断缓存是否存在 const cache = this.cache[key] if (cache) { // 如果存在，则重置缓存的值 cache.value = value this.active(key, cache) return } // 判断缓存是否超过容量 const list = Object.keys(this.cache) if (list.length >= this.capacity) { // 超过存储大小，删除拜访频率最低的数据 const [first] = Object.keys(this.freqs) const keys = this.freqs[first] const latest = keys.shift() delete this.cache[latest] if (keys.length === 0) delete this.freqs[latest] } // 写入缓存，默认频率为0，示意还未应用过 this.cache[key] = { value, freq: 0 } // 写入读取频率数组 const freqMap = this.freqs[0] || (this.freqs[0] = []) freqMap.push(key) }}实现了设置缓存的办法后，再实现获取缓存就很容易了。
class LRUCache { // 获取数据 get (key) { if (this.cache[key] !== undefined) { // 如果 key 对应的缓存存在，更新其读取频率 // 之前曾经实现过，能够间接复用 this.active(key) return this.cache[key] } return undefined }}对于 LFU 缓存算法实现就到这里了，当然该算法个别应用双链表的模式来实现，这里的实现形式，只是为了不便了解其原理，感兴趣的话能够在网上搜寻下更加高效的实现形式。