LRU全稱是Least?Recently Used，即最近最久未使用的意思。

LRU算法的設(shè)計(jì)原則是：如果一個(gè)數(shù)據(jù)在最近一段時(shí)間沒有被訪問到，那么在將來它被訪問的可能性也很小。也就是說，當(dāng)限定的空間已存滿數(shù)據(jù)時(shí)，應(yīng)當(dāng)把最久沒有被訪問到的數(shù)據(jù)淘汰。

實(shí)現(xiàn)LRU

1.用一個(gè)數(shù)組來存儲(chǔ)數(shù)據(jù)，給每一個(gè)數(shù)據(jù)項(xiàng)標(biāo)記一個(gè)訪問時(shí)間戳，每次插入新數(shù)據(jù)項(xiàng)的時(shí)候，先把數(shù)組中存在的數(shù)據(jù)項(xiàng)的時(shí)間戳自增，并將新數(shù)據(jù)項(xiàng)的時(shí)間戳置為0并插入到數(shù)組中。每次訪問數(shù)組中的數(shù)據(jù)項(xiàng)的時(shí)候，將被訪問的數(shù)據(jù)項(xiàng)的時(shí)間戳置為0。當(dāng)數(shù)組空間已滿時(shí)，將時(shí)間戳最大的數(shù)據(jù)項(xiàng)淘汰。
2.利用一個(gè)鏈表來實(shí)現(xiàn)，每次新插入數(shù)據(jù)的時(shí)候?qū)⑿聰?shù)據(jù)插到鏈表的頭部；每次緩存命中（即數(shù)據(jù)被訪問），則將數(shù)據(jù)移到鏈表頭部；那么當(dāng)鏈表滿的時(shí)候，就將鏈表尾部的數(shù)據(jù)丟棄。
3.利用鏈表和hashmap。當(dāng)需要插入新的數(shù)據(jù)項(xiàng)的時(shí)候，如果新數(shù)據(jù)項(xiàng)在鏈表中存在（一般稱為命中），則把該節(jié)點(diǎn)移到鏈表頭部，如果不存在，則新建一個(gè)節(jié)點(diǎn)，放到鏈表頭部，若緩存滿了，則把鏈表最后一個(gè)節(jié)點(diǎn)刪除即可。在訪問數(shù)據(jù)的時(shí)候，如果數(shù)據(jù)項(xiàng)在鏈表中存在，則把該節(jié)點(diǎn)移到鏈表頭部，否則返回-1。這樣一來在鏈表尾部的節(jié)點(diǎn)就是最近最久未訪問的數(shù)據(jù)項(xiàng)。
對(duì)于第一種方法，需要不停地維護(hù)數(shù)據(jù)項(xiàng)的訪問時(shí)間戳，另外，在插入數(shù)據(jù)、刪除數(shù)據(jù)以及訪問數(shù)據(jù)時(shí)，時(shí)間復(fù)雜度都是O(n)。對(duì)于第二種方法，鏈表在定位數(shù)據(jù)的時(shí)候時(shí)間復(fù)雜度為O(n)。所以在一般使用第三種方式來是實(shí)現(xiàn)LRU算法。

實(shí)現(xiàn)方案

使用LinkedHashMap實(shí)現(xiàn)LinkedHashMap底層就是用的HashMap加雙鏈表實(shí)現(xiàn)的，而且本身已經(jīng)實(shí)現(xiàn)了按照訪問順序的存儲(chǔ)。此外，LinkedHashMap中本身就實(shí)現(xiàn)了一個(gè)方法removeEldestEntry用于判斷是否需要移除最不常讀取的數(shù)，方法默認(rèn)是直接返回false，不會(huì)移除元素，所以需要重寫該方法。即當(dāng)緩存滿后就移除最不常用的數(shù)。[java]?view plaincopy

public?class?LRU<K,V>?{??

??

??private?static?final?float?hashLoadFactory?=?0.75f;??

??private?LinkedHashMap<K,V>?map;??

??private?int?cacheSize;??

??

??public?LRU(int?cacheSize)?{??

????this.cacheSize?=?cacheSize;??

????int?capacity?=?(int)Math.ceil(cacheSize?/?hashLoadFactory)?+?1;??

????map?=?new?LinkedHashMap<K,V>(capacity,?hashLoadFactory,?true){??

??????private?static?final?long?serialVersionUID?=?1;??

??

??????@Override??

??????protected?boolean?removeEldestEntry(Map.Entry?eldest)?{??

????????return?size()?>?LRU.this.cacheSize;??

??????}??

????};??

??}??

??

??public?synchronized?V?get(K?key)?{??

????return?map.get(key);??

??}??

??

??public?synchronized?void?put(K?key,?V?value)?{??

????map.put(key,?value);??

??}??

??

??public?synchronized?void?clear()?{??

????map.clear();??

??}??

??

??public?synchronized?int?usedSize()?{??

????return?map.size();??

??}??

??

??public?void?print()?{??

????for?(Map.Entry<K,?V>?entry?:?map.entrySet())?{??

??????System.out.print(entry.getValue()?+?"--");??

????}??

????System.out.println();??

??}??

}??

當(dāng)存在熱點(diǎn)數(shù)據(jù)時(shí)，LRU的效率很好，但偶發(fā)性的、周期性的批量操作會(huì)導(dǎo)致LRU命中率急劇下降，緩存污染情況比較嚴(yán)重。

擴(kuò)展

1.LRU-K

LRU-K中的K代表最近使用的次數(shù)，因此LRU可以認(rèn)為是LRU-1。LRU-K的主要目的是為了解決LRU算法“緩存污染”的問題，其核心思想是將“最近使用過1次”的判斷標(biāo)準(zhǔn)擴(kuò)展為“最近使用過K次”。相比LRU，LRU-K需要多維護(hù)一個(gè)隊(duì)列，用于記錄所有緩存數(shù)據(jù)被訪問的歷史。只有當(dāng)數(shù)據(jù)的訪問次數(shù)達(dá)到K次的時(shí)候，才將數(shù)據(jù)放入緩存。當(dāng)需要淘汰數(shù)據(jù)時(shí)，LRU-K會(huì)淘汰第K次訪問時(shí)間距當(dāng)前時(shí)間最大的數(shù)據(jù)。數(shù)據(jù)第一次被訪問時(shí)，加入到歷史訪問列表，如果書籍在訪問歷史列表中沒有達(dá)到K次訪問，則按照一定的規(guī)則（FIFO,LRU）淘汰；當(dāng)訪問歷史隊(duì)列中的數(shù)據(jù)訪問次數(shù)達(dá)到K次后，將數(shù)據(jù)索引從歷史隊(duì)列中刪除，將數(shù)據(jù)移到緩存隊(duì)列中，并緩存數(shù)據(jù)，緩存隊(duì)列重新按照時(shí)間排序；緩存數(shù)據(jù)隊(duì)列中被再次訪問后，重新排序，需要淘汰數(shù)據(jù)時(shí)，淘汰緩存隊(duì)列中排在末尾的數(shù)據(jù)，即“淘汰倒數(shù)K次訪問離現(xiàn)在最久的數(shù)據(jù)”。LRU-K具有LRU的優(yōu)點(diǎn)，同時(shí)還能避免LRU的缺點(diǎn)，實(shí)際應(yīng)用中LRU-2是綜合最優(yōu)的選擇。由于LRU-K還需要記錄那些被訪問過、但還沒有放入緩存的對(duì)象，因此內(nèi)存消耗會(huì)比LRU要多。

2.two queue

Two?queues（以下使用2Q代替）算法類似于LRU-2，不同點(diǎn)在于2Q將LRU-2算法中的訪問歷史隊(duì)列（注意這不是緩存數(shù)據(jù)的）改為一個(gè)FIFO緩存隊(duì)列，即：2Q算法有兩個(gè)緩存隊(duì)列，一個(gè)是FIFO隊(duì)列，一個(gè)是LRU隊(duì)列。當(dāng)數(shù)據(jù)第一次訪問時(shí)，2Q算法將數(shù)據(jù)緩存在FIFO隊(duì)列里面，當(dāng)數(shù)據(jù)第二次被訪問時(shí)，則將數(shù)據(jù)從FIFO隊(duì)列移到LRU隊(duì)列里面，兩個(gè)隊(duì)列各自按照自己的方法淘汰數(shù)據(jù)。新訪問的數(shù)據(jù)插入到FIFO隊(duì)列中，如果數(shù)據(jù)在FIFO隊(duì)列中一直沒有被再次訪問，則最終按照FIFO規(guī)則淘汰；如果數(shù)據(jù)在FIFO隊(duì)列中再次被訪問到，則將數(shù)據(jù)移到LRU隊(duì)列頭部，如果數(shù)據(jù)在LRU隊(duì)列中再次被訪問，則將數(shù)據(jù)移動(dòng)LRU隊(duì)列頭部，LRU隊(duì)列淘汰末尾的數(shù)據(jù)。

3.Multi Queue(MQ)

MQ算法根據(jù)訪問頻率將數(shù)據(jù)劃分為多個(gè)隊(duì)列，不同的隊(duì)列具有不同的訪問優(yōu)先級(jí)，其核心思想是：優(yōu)先緩存訪問次數(shù)多的數(shù)據(jù)。詳細(xì)的算法結(jié)構(gòu)圖如下，Q0，Q1....Qk代表不同的優(yōu)先級(jí)隊(duì)列，Q-history代表從緩存中淘汰數(shù)據(jù)，但記錄了數(shù)據(jù)的索引和引用次數(shù)的隊(duì)列：新插入的數(shù)據(jù)放入Q0，每個(gè)隊(duì)列按照LRU進(jìn)行管理，當(dāng)數(shù)據(jù)的訪問次數(shù)達(dá)到一定次數(shù)，需要提升優(yōu)先級(jí)時(shí)，將數(shù)據(jù)從當(dāng)前隊(duì)列中刪除，加入到高一級(jí)隊(duì)列的頭部；為了防止高優(yōu)先級(jí)數(shù)據(jù)永遠(yuǎn)不會(huì)被淘汰，當(dāng)數(shù)據(jù)在指定的時(shí)間里沒有被訪問時(shí)，需要降低優(yōu)先級(jí)，將數(shù)據(jù)從當(dāng)前隊(duì)列刪除，加入到低一級(jí)的隊(duì)列頭部；需要淘汰數(shù)據(jù)時(shí)，從最低一級(jí)隊(duì)列開始按照LRU淘汰，每個(gè)隊(duì)列淘汰數(shù)據(jù)時(shí)，將數(shù)據(jù)從緩存中刪除，將數(shù)據(jù)索引加入Q-history頭部。如果數(shù)據(jù)在Q-history中被重新訪問，則重新計(jì)算其優(yōu)先級(jí)，移到目標(biāo)隊(duì)列頭部。Q-history按照LRU淘汰數(shù)據(jù)的索引。
MQ需要維護(hù)多個(gè)隊(duì)列，且需要維護(hù)每個(gè)數(shù)據(jù)的訪問時(shí)間，復(fù)雜度比LRU高。

LRU算法對(duì)比

對(duì)比點(diǎn)	對(duì)比
命中率	LRU-2?>?MQ(2)?>?2Q?>?LRU
復(fù)雜度	LRU-2?>?MQ(2)?>?2Q?>?LRU
代價(jià)	LRU-2??>?MQ(2)?>?2Q?>?LRU

總結(jié)

以上是生活随笔為你收集整理的LRU算法四种实现方式介绍的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。