基本介紹:淘汰近期沒有使用的數據,維持動態數據平衡。
步驟分析:
代碼實現:
Java使用LinkedHashMap實現LRU:
package lru; import java.util.LinkedHashMap; import java.util.Map; import java.util.Set; /** * @author luanaynxu * * 2018年12月2日 */ public class Lru<K, V> { private final int MAX_CACHE_SIZE; //初始化最大值 private final float DEFAULT_LOAD_FACTORY = 0.75f;//Map擴容因子 LinkedHashMap<K, V> map; public Lru(int cacheSize) { MAX_CACHE_SIZE = cacheSize; int capacity = (int) Math.ceil(MAX_CACHE_SIZE / DEFAULT_LOAD_FACTORY) + 1; /* * 第三個參數設置爲true,代表linkedlist按訪問順序排序,可作爲LRU緩存 第三個參數設置爲false,代表按插入順序排序,可作爲FIFO緩存 */ map = new LinkedHashMap<K, V>(capacity, DEFAULT_LOAD_FACTORY, true) { /** * */ private static final long serialVersionUID = 1L; @Override protected boolean removeEldestEntry(Map.Entry<K, V> eldest) { return size() > MAX_CACHE_SIZE; } }; } public synchronized void put(K key, V value) { map.put(key, value); } public synchronized V get(K key) { return map.get(key); } public synchronized void remove(K key) { map.remove(key); } public synchronized Set<Map.Entry<K, V>> getAll() { return map.entrySet(); } @Override public String toString() { StringBuilder stringBuilder = new StringBuilder(); for (Map.Entry<K, V> entry : map.entrySet()) { stringBuilder.append(String.format("%s: %s ", entry.getKey(), entry.getValue())); } return stringBuilder.toString(); } public static void main(String[] args) { Lru<Integer, Integer> lru1 = new Lru<>(5); lru1.put(1, 1); lru1.put(2, 2); lru1.put(3, 3); System.out.println(lru1); lru1.get(1);// 訪問1 System.out.println(lru1); lru1.put(4, 4); lru1.put(5, 5); lru1.put(6, 6);// 2由於最近沒有使用 被淘汰 System.out.println(lru1); } }
運行結果:
1: 1 2: 2 3: 3 2: 2 3: 3 1: 1 3: 3 1: 1 4: 4 5: 5 6: 6
相關分析: 【命中率】 當存在熱點數據時,LRU的效率很好,但偶發性的、週期性的批量操作會導致LRU命 中率急劇下降,緩存污染情況比較嚴重。 【複雜度】 實現簡單。 【代價】 命中時需要遍歷鏈表,找到命中的數據塊索引,然後需要將數據移到頭部。