码迷,mamicode.com
首页 > 编程语言 > 详细

LRU算法的实现

时间:2019-09-22 19:49:44      阅读:94      评论:0      收藏:0      [点我收藏+]

标签:key   use   map   refresh   数据库查询   com   return   问题   under   

需求

随着公司的业务越来越复杂,需要提供一个用户系统,供各个业务系统来查询用户的基本信息。且业务方对用户信息的查询频率很高,设计的用户系统需要注意性能。

  • 初始设计 考虑到性能,可以在内存中创建一个哈希表作为缓存,每当查找一个用户时,会现在哈希表中进行查询,查询不到再去数据库查询。
  • 初始设计存在的问题 随着用户量不断增大,可能会因为哈希表逐渐增大导致内存某一天会被撑爆。
  • 初始设计的优化使用LRU算法(内存管理算法,Least Recently Used),最近最少使用的思想。算法基于一种假设:长期不被使用的数据,在未来被用到的几率也不大。因此,当数据所占内存达到一定阈值时,我们要移除掉最近最少被使用的数据。

LRU算法

在LRU算法中,使用一种叫作“哈希链表”的数据结构。哈希表由若干个key-value组成,逻辑上这些key-value是无所谓排序的。但在哈希链表中,这些key-value被一个链条串在一起,不再是无序的了,而是有 了固定的排列顺序。每一个key-value都有前驱key-value、后继key-value。所以我们可以把key-value按照最后使用的时间来进行排序。链表的尾部是最近被使用的,头部是最近被使用最少甚至没有被使用过的key-value。所以,当缓存容量达到上限时,会先删除链表最左端的值,再把新的值插入到链表的最右端。

LRU算法实现

哈希链表的结构:

技术图片

 

 注意点: 删除节点的同时,记得把节点的key也要从hashMap中删除

  1 package blogSrc;
  2 
  3 import java.util.HashMap;
  4 
  5 public class LRUCache {
  6     private Node head;
  7     private Node end;
  8 
  9     private HashMap<String,Node> hashMap;
 10     private int limit;  //缓存上限
 11 
 12     public LRUCache(int limit){
 13         this.limit = limit;
 14         this.hashMap = new HashMap<String,Node>();
 15     }
 16 
 17     //向链表中添加节点
 18     public void addNode (Node node){
 19         if (head == null){  //空链
 20             head = node;
 21         }
 22 
 23         if(end != null) {  //节点添加到尾部
 24             end.next = node;
 25             node.pre = end;
 26             node.next = null;
 27         }
 28         end = node;
 29     }
 30 
 31     //从链表中移除节点
 32     public String  removeNode(Node node){
 33         if(head == end && node == head){  //链表只有一个节点
 34             head = null;
 35             end = null;
 36         }else if (node == end){ //node为最后一个节点
 37             end.pre.next = null;
 38             end = end.pre;
 39         }else if (node == head){  //node为第一个节点
 40             head.next.pre = null;
 41             head = head.next;
 42         }else {  //node为中间节点
 43             node.pre.next = node.next;
 44             node.next.pre = node.pre;
 45         }
 46         return node.key;
 47     }
 48 
 49     //刷新链表,将最近使用的节点放置到链表末尾
 50     public void refreshNode(Node node){
 51          if (node == end){
 52              return;
 53          }
 54          removeNode(node);  //删除节点
 55          addNode(node); //添加节点
 56     }
 57 
 58     //根据节点的key值,获取链表中该节点的value值
 59     public String get(String key){
 60         Node node = hashMap.get(key);
 61         if (node == null){
 62             return null;
 63         }
 64         refreshNode(node);
 65         return node.value;
 66     }
 67 
 68     //向链表上添加key-value
 69     public void put(String key, String value){
 70         Node node = hashMap.get(key);
 71         if (node == null){
 72             if (hashMap.size() >= limit){
 73                 String oldKey = removeNode(head);  //删除节点
 74                 hashMap.remove(oldKey);  //同时需要把节点的key也从hashmap中删除
 75             }
 76             node = new Node(key,value);
 77             addNode(node);
 78             hashMap.put(key,node);
 79         }else {
 80             node.value = value;
 81             refreshNode(node);
 82         }
 83     }
 84 
 85     //从链表上删除指定key的数据
 86     public void remove(String key){
 87         Node node = hashMap.get(key);
 88         if (node == null){
 89             return ;
 90         }
 91         removeNode(node);
 92         hashMap.remove(key);
 93     }
 94 
 95     class Node {
 96         public Node next;
 97         public Node pre;
 98         public String key;
 99         public String value;
100         Node(String key, String value){
101             this.key = key;
102             this.value = value;
103         }
104 
105         public String getNextKey() {
106             return next.getKey();
107         }
108 
109         public String getPreKey() {
110             return pre.getKey();
111         }
112 
113         public String getKey() {
114             return key;
115         }
116 
117         public String getValue() {
118             return value;
119         }
120     }
121 
122 
123     public static void main(String[] args){
124         LRUCache lruCache = new LRUCache(10);
125         lruCache.put("001","用户1信息");
126         lruCache.put("002","用户2信息");
127         lruCache.put("003","用户3信息");
128         lruCache.put("004","用户4信息");
129         lruCache.get("003");
130         System.out.println("Now End Node Key is: " + lruCache.end.getKey()+ ",Value is: " +lruCache.end.getValue());
131         lruCache.put("002","用户2信息更新");
132         System.out.println("Now End Node Key is: " + lruCache.end.getKey() + ",Value is: " +lruCache.end.getValue() );
133         lruCache.put("006","用户6信息");
134         System.out.println("Now End Node Key is: " + lruCache.end.getKey()+ ",Value is: " +lruCache.end.getValue());
135     }
136 }

 

 结果:

Now End Node Key is: 003,Value is: 用户3信息
Now End Node Key is: 002,Value is: 用户2信息更新
Now End Node Key is: 006,Value is: 用户6信息

 

LRU算法的实现

标签:key   use   map   refresh   数据库查询   com   return   问题   under   

原文地址:https://www.cnblogs.com/zldmy/p/11568544.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!