LRU 緩存機制及 3 種簡單實現

　　以前好幾回接觸到 LRU（Least Recently Used）算法，今天來總結下，並用 Java 和 Python 給出相應的實現。

　　LRU是一種緩存替換算法，根據字面意思，就是將最近最少使用的頁面或者元素進行替換，將最近最多使用的頁面或者元素保持在緩存裏。有關緩存的知識後面再仔細研究下。因爲緩存的容量大小有限，這纔有了LRU之類的緩存算法。還有一些其餘的緩存算法,能夠參考這個頁面。

　　根據下面的圖示進行LRU算法的理解。

 

　　其中 put 操做用於將最近使用的元素放置在緩存中。必須先判斷 key 是否存在，若是存在，則刪除，再添加；若不存在，則直接添加，而後判斷添加後的緩存是否超過了容量；若超出，則刪除最遠元素；get 操做用於獲取緩存中元素的值，在 leetcode146 題中規定，若是緩存中沒有該元素，則返回 -1。

　　通常咱們在實現的時候會考慮存儲 key-value 的鍵值對形式，能夠用雙鏈表存儲 key，HashMap 存儲真正須要的值 value，因此真正意義上的緩存應該是指這個HashMap。鏈表的做用是用來順序存儲 key，當緩存滿了，須要刪除最遠的那個 key 及其 value，此時就須要根據鏈表找到最遠的 value 的 key，從而刪除緩存 HashMap中的最遠的鍵值對。

　　這裏咱們用 雙鏈表 + hashMap 以及 LinkedHashMap 、Python 中 OrderedDict 三種方式來實現一個簡單的 LRU 機制。

雙鏈表 + hashMap

 

 1 class Solution {  2 private LinkedList<Integer> linkedList;  3 private Map<Integer, Integer> map;  4  5 private int max_size;  6 private int cur_size = 0;  7  8 public Solution(int capacity) {  9 linkedList = new LinkedList<>(); 10 map = new HashMap<>(); 11 this.max_size = capacity; 12  } 13 14 public int get(int key) { 15 if(!map.containsKey(key)){ 16 return -1; 17  } 18 19 int val = map.get(key); 20 Object o = key; 21  linkedList.remove(o); 22  linkedList.addLast(key); 23 return val; 24  } 25 26 public void put(int key, int value) { 27 if(map.containsKey(key)){ 28 // 這個put不能省略，即時key存在，若新添加的value更新了，那恰好就將value更新，若是省略，則value更新不了 29  map.put(key, value); 30 Object o = key; 31  linkedList.remove(o); 32  linkedList.addLast(key); 33 }else{ 34  map.put(key, value); 35 cur_size++; 36  linkedList.addLast(key); 37 if(cur_size>max_size){ 38 int tmp = linkedList.removeFirst(); 39  map.remove(tmp); 40 cur_size--; 41  } 42  } 43  } 44 }

 

　　其中在進行元素刪除的時候，鏈表的時間複雜度是O（n），用 HashMap 進行 key 的查找的時候是O（1）的複雜度。

LinkedHashMap

 1 class Solution {  2 private LinkedHashMap<Integer, Integer> map;  3 private int max_size;  4 private int cur_size;  5  6 public Solution(int capacity) {  7 map = new LinkedHashMap<>();  8 this.max_size = capacity;  9 this.cur_size = 0; 10  } 11 12 public int get(int key) { 13 // 若沒有，則返回 -1 14 if(!map.containsKey(key)){ 15 return -1; 16  } 17 18 int val = map.get(key); 19  map.remove(key); 20  map.put(key, val); 21 return val; 22  } 23 24 public void put(int key, int value) { 25 if(map.containsKey(key)){ 26  map.remove(key); 27  map.put(key, value); 28 }else{ 29 cur_size++; 30  map.put(key, value); 31 if(cur_size > max_size){ 32 int oldestKey = map.keySet().iterator().next(); // 獲取最遠的key。 33  map.remove(oldestKey); 34 cur_size--; 35  } 36  } 37  } 38 }

　　LinkedHashMap 自己也是由 雙鏈表 + hashMap 組成的。在緩存滿了須要刪除最遠的元素的時候，是用的 HashMap 裏的迭代器來獲取最開始進來的key並刪除其鍵值對。

Python OrderedDict

　　Python 能夠使用這篇文章介紹的 OrderedDict 這一字典子類很輕鬆的實現 LRU 機制。

 1 class LRUCache:  2  3 def __init__(self, capacity: int):  4 self.dic = OrderedDict()  5 self.remain = capacity  6  7  8 def get(self, key: int) -> int:  9 if key not in self.dic: 10 return -1 11 # v = self.dic.pop(key) 12 # self.dic[key] = v 13 self.dic.move_to_end(key, last = True) 14 return self.dic[key] 15 16 def put(self, key: int, value: int) -> None: 17 if key in self.dic: 18  self.dic.pop(key) 19 else: 20 if self.remain > 0: 21 self.remain -= 1 22 else: 23 self.dic.popitem(last = False) 24 self.dic[key] = value