LRU就是Least Recently Used，即最近最少使用，是一種經常使用的頁面置換算法，將最近長時間未使用的頁面淘汰，其實也很簡單，就是要將不受歡迎的頁面及時淘汰，不讓它佔着茅坑不拉shit，浪費資源。web
LRU是一種常見的頁面置換算法，在計算中，全部的文件操做都要放在內存中進行，然而計算機內存大小是固定的，因此咱們不可能把全部的文件都加載到內存，所以咱們須要制定一種策略對加入到內存中的文件進項選擇。算法
常見的頁面置換算法有以下幾種：數組
-
LRU 最近最久未使用 -
FIFO 先進先出置換算法 相似隊列 -
OPT 最佳置換算法 （理想中存在的） -
NRU Clock置換算法 -
LFU 最少使用置換算法 -
PBA 頁面緩衝算法
LRU原理
LRU的設計原理就是，當數據在最近一段時間常常被訪問，那麼它在之後也會常常被訪問。這就意味着，若是常常訪問的數據，咱們須要然其可以快速命中，而不常訪問的數據，咱們在容量超出限制內，要將其淘汰。緩存
其核心就是利用棧，進行操做，其中主要有兩項操做，get和put微信
-
get
get時，若棧中有值則將該值的key提到棧頂，沒有時則返回null數據結構
-
put
棧未滿時，若棧中有要put的key，則更新此key對應的value，並將該鍵值提到棧頂，若無要put的key，直接入棧編輯器
棧滿時，若棧中有要put的key，則更新此key對應的value，並將該鍵值提到棧頂；若棧中沒有put的key 時，去掉棧底元素，將put的值入到棧頂flex
-
解法：維護一個數組，提供 get和put方法，而且限定max數量。
使用時，get 能夠標記某個元素是最新使用的，提高它去第一項。put 能夠加入某個key-value，但須要判斷是否已經到最大限制 maxthis
若未到能直接往數組第一項裏插入 若到了最大限制 max，則須要淘汰數據尾端一個元素。spa
LRUCache cache = new LRUCache( 2 /* 緩存容量 */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 該操做會使得密鑰 2 做廢
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 該操做會使得密鑰 1 做廢
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
LRU 算法設計
分析上面的操做過程，要讓 put 和 get 方法的時間複雜度爲 O(1)，咱們能夠總結出 cache 這個數據結構必要的條件：查找快，插入快，刪除快，有順序之分。
由於顯然 cache 必須有順序之分，以區分最近使用的和久未使用的數據；並且咱們要在 cache 中查找鍵是否已存在；若是容量滿了要刪除最後一個數據；每次訪問還要把數據插入到隊頭。
那麼，什麼數據結構同時符合上述條件呢？哈希表查找快，可是數據無固定順序；鏈表有順序之分，插入刪除快，可是查找慢。因此結合一下，造成一種新的數據結構：哈希鏈表。
LRU 緩存算法的核心數據結構就是哈希鏈表，雙向鏈表和哈希表的結合體。這個數據結構長這樣：
js 實現
-
具體代碼 通常的解法，經過維護一個數組，數組項存放了 key-value 鍵值對對象，每次須要遍歷去尋找 key 值所在的數組下標操做。
已經經過 leetCode 146 的檢測。執行用時 : 720 ms。內存消耗 : 58.5 MB。
function LRUCache(capacity) {
this.capacity = capacity; // 最大限制
this.cache = [];
};
/**
* @param {number} key
* @return {number}
*/
LRUCache.prototype.get = function (key) {
let index = this.cache.findIndex((item) => item.key === key);
if (index === -1) {
return -1;
}
// 刪除此元素後插入到數組第一項
let value = this.cache[index].value;
this.cache.splice(index, 1);
this.cache.unshift({
key,
value,
});
return value;
};
/**
* @param {number} key
* @param {number} value
* @return {void}
*/
LRUCache.prototype.put = function (key, value) {
let index = this.cache.findIndex((item) => item.key === key);
// 想要插入的數據已經存在了，那麼直接提高它就能夠
if (index > -1) {
this.cache.splice(index, 1);
} else if (this.cache.length >= this.capacity) {
// 若已經到達最大限制，先淘汰一個最久沒有使用的
this.cache.pop();
}
this.cache.unshift({ key, value });
};
上面的作法其實有變種，能夠經過一個對象來存鍵值對，一個數組來存放鍵的順序。
-
進階要求O(1)
時間複雜度 O(1)，那就不能數組遍歷去查找 key 值。能夠用 ES6 的 Map 來解了，由於 Map 既能保持鍵值對，還能記住插入順序。
function LRUCache(capacity) {
this.cache = new Map();
this.capacity = capacity; // 最大限制
};
LRUCache.prototype.get = function (key) {
if (this.cache.has(key)) {
// 存在即更新
let temp = this.cache.get(key);
this.cache.delete(key);
this.cache.set(key, temp);
return temp;
}
return -1;
};
LRUCache.prototype.put = function (key, value) {
if (this.cache.has(key)) {
// 存在即更新（刪除後加入）
this.cache.delete(key);
} else if (this.cache.size >= this.capacity) {
// 不存在即加入
// 緩存超過最大值，則移除最近沒有使用的
this.cache.delete(this.cache.keys().next().value);
}
this.cache.set(key, value);
};
本文分享自微信公衆號 - JavaScript忍者祕籍（js-obok）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。