如何通俗易懂的理解LRU算法？

1.LRU是什么？

LRU全稱Least Recently Used，也就是最近最少使用的意思，是一種內(nèi)存管理算法，最早應(yīng)用于Linux操作系統(tǒng)。

LRU算法基于一種假設(shè)：長期不被使用的數(shù)據(jù)，在未來被用到的幾率也不大。因此，當(dāng)數(shù)據(jù)所占內(nèi)存達(dá)到一定閾值時(shí)，我們要移除掉最近最少被使用的數(shù)據(jù)。

LRU算法應(yīng)用：可以在內(nèi)存不夠時(shí)，從哈希表移除一部分很少訪問的用戶。

LRU是什么？按照英文的直接原義就是Least Recently Used,最近最久未使用法，它是按照一個(gè)非常著名的計(jì)算機(jī)操作系統(tǒng)基礎(chǔ)理論得來的：最近使用的頁面數(shù)據(jù)會(huì)在未來一段時(shí)期內(nèi)仍然被使用,已經(jīng)很久沒有使用的頁面很有可能在未來較長的一段時(shí)間內(nèi)仍然不會(huì)被使用。基于這個(gè)思想,會(huì)存在一種緩存淘汰機(jī)制，每次從內(nèi)存中找到最久未使用的數(shù)據(jù)然后置換出來，從而存入新的數(shù)據(jù)！它的主要衡量指標(biāo)是使用的時(shí)間，附加指標(biāo)是使用的次數(shù)。在計(jì)算機(jī)中大量使用了這個(gè)機(jī)制，它的合理性在于優(yōu)先篩選熱點(diǎn)數(shù)據(jù)，所謂熱點(diǎn)數(shù)據(jù)，就是最近最多使用的數(shù)據(jù)！因?yàn)?#xff0c;利用LRU我們可以解決很多實(shí)際開發(fā)中的問題，并且很符合業(yè)務(wù)場景。

2.LRU的需求

首先考慮這樣的一個(gè)業(yè)務(wù)場景,小王在A公司上班，有一天產(chǎn)品提出了一個(gè)需求：“咱們系統(tǒng)的用戶啊，每天活躍的就那么多，有太多的僵尸用戶，根本不登錄，你能不能考慮做一個(gè)篩選機(jī)制把這些用戶刨出去，并且給活躍的用戶做一個(gè)排名，我們可以設(shè)計(jì)出一些獎(jiǎng)勵(lì)活動(dòng)，提升咱們的用戶粘性，咱們只需要關(guān)注那些活躍的用戶就行了“”。小王連忙點(diǎn)頭，說可以啊，然而心里犯起嘀咕來了：這簡單，按照常規(guī)思路，給用戶添加一個(gè)最近活躍時(shí)間長度和登錄次數(shù)，然后按照這兩個(gè)數(shù)據(jù)計(jì)算他們的活躍度，最后直接排序就行了。嘿嘿，簡直完美!不過！用戶表字段已經(jīng)很多了，又要加兩個(gè)字段，然后還得遍歷所有的數(shù)據(jù)排序？這樣查詢效率是不是會(huì)受影響啊？

3.LRU的實(shí)現(xiàn)方式

實(shí)現(xiàn) LRUCache 類：

• LRUCache(int capacity) 以正整數(shù)作為容量 capacity 初始化 LRU 緩存；
• int get(int key) 如果關(guān)鍵字 key 存在于緩存中，則返回關(guān)鍵字的值，否則返回 -1 。
• void put(int key, int value) 如果關(guān)鍵字已經(jīng)存在，則變更其數(shù)據(jù)值；如果關(guān)鍵字不存在，則插入該組「關(guān)鍵字-值」。當(dāng)緩存容量達(dá)到上限時(shí)，它應(yīng)該在寫入新數(shù)據(jù)之前刪除最久未使用的數(shù)據(jù)值，從而為新的數(shù)據(jù)值留出空間。

3.1 直接繼承LinkedHashMap來實(shí)現(xiàn)

public class Code_LRU {class LRUCache extends LinkedHashMap<Integer,Integer>{private int capacity;public LRUCache(int capacity) {super(capacity,0.75F,true);this.capacity = capacity;}public int get(int key) {return super.getOrDefault(key,-1);}public void put(int key,int value) {super.put(key, value);}// 重寫淘汰策略protected boolean removeEldestEntry(Map.Entry<Integer, Integer> edlest) {return size()>capacity;}} }

3.2 用雙向鏈表+hashMap來實(shí)現(xiàn)

// 解題思路：雙向鏈表+hashmap來實(shí)現(xiàn)class LRUCache_2{// 雙向鏈表class DLinkedNode{int key;int value;DLinkedNode prev;DLinkedNode next;public DLinkedNode() {}public DLinkedNode(int key,int value) {this.key = key;this.value = value;}}// hashmapprivate HashMap<Integer,DLinkedNode> cache = new HashMap<>();// 定義私有變量private int size;private int capacity;private DLinkedNode head,tail;public LRUCache_2(int capacity) {this.size = 0;this.capacity = capacity;// 生成偽頭部和偽尾部結(jié)點(diǎn)head = new DLinkedNode();tail = new DLinkedNode();head.next = tail;tail.prev = head;}//獲得值public int get(int key) {DLinkedNode node = cache.get(key);if(node==null) {return -1;}else {// 如果key存在，哈希表定位 結(jié)點(diǎn)移動(dòng)到頭部moveToHead(node);return node.value;}}// 放入值的操作public void put(int key,int value) {DLinkedNode node = cache.get(key);// 如果key不存在if(node==null) {// 新創(chuàng)建一個(gè)結(jié)點(diǎn)DLinkedNode newNode = new DLinkedNode(key,value);// 添加cache.put(key,newNode);// 添加到頭部addToHead(newNode);++size;// 判斷容量if(size>capacity) {// 稱號出容量DLinkedNode tail = removeTail();// 刪除hash表中對應(yīng)的項(xiàng)cache.remove(tail.key);--size;}}else {node.value = value;// 移動(dòng)moveToHead(node);}}// 添加結(jié)點(diǎn)的操作private void addToHead(DLinkedNode node) {node.prev = head;node.next = head.next;head.next.prev = node;head.next = node;}// 刪除結(jié)點(diǎn)private void removeNode(DLinkedNode node) {node.prev.next = node.next;node.next.prev = node.prev;}// 移動(dòng)到頭結(jié)點(diǎn) 刪結(jié)點(diǎn) 填充結(jié)點(diǎn)private void moveToHead(DLinkedNode node) {removeNode(node);addToHead(node);}// 刪除尾部結(jié)點(diǎn)private DLinkedNode removeTail() {DLinkedNode res = tail.prev;removeNode(res);return res;}}

總結(jié)

以上是生活随笔為你收集整理的【大话Java面试】-如何通俗易懂的理解Redis的回收算法LRU？的全部內(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。