缓存置换策略-LRU算法

Posted 2021-03-09 volare

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了缓存置换策略-LRU算法相关的知识，希望对你有一定的参考价值。

LRU算法

LRU算法定义：

　　LRU算法是指最近最少使用算法，意思是LRU认为最近使用过的数据，将来被访问的概率会大，最近没有被访问的数据意味着以后刚问的概率小。

为何要用LRU算法：

　　1、我们的存储空间是有限的，当存储空间满了之后，要删除哪些数据呢，才能会时缓存的命中率高一些呢

　　2、LRU算法还是比较简单的。

算法：

　　最常见的算法是使用一个链表来实现

　　　　1）将新数据插入到表头

　　　　2）每当缓存命中时，将数据移动到表头

　　　　3）当l存储空间满了的时候将链表尾部的数据删除

　　缺点：链表实现，需要遍历链表找到命中的数据

　　java中最简单的LRU算法实现，就是利用jdk的LinkedHashMap。 LinkedHashMap底层就是用的HashMap加双链表实现的，而且本身已经实现了按照访问顺序的存储。此外，LinkedHashMap中本身就实现了一个方法removeEldestEntry用于判断是否需要移除最不常读取的数，方法默认是直接返回false，不会移除元素，所以需要重写该方法。即当缓存满后就移除最不常用的数。(通过覆盖这个方法，加入一定的条件，满足条件返回true。当put进新的值方法返回true时，便移除该map中最老的键和值。)

算法分析：

　　偶发性的、周期性的批量操作（可能不是热点数据）会使临时数据涌入缓存，挤出热点数据，导致LRU热点命中率急剧下降，缓存污染情况比较严重。

public class LRU<K,V> {
 
  private static final float hashLoadFactory = 0.75f;
  private LinkedHashMap<K,V> map;
  private int cacheSize;
 
  public LRU(int cacheSize) {
    this.cacheSize = cacheSize;
    int capacity = (int)Math.ceil(cacheSize / hashLoadFactory) + 1;
    map = new LinkedHashMap<K,V>(capacity, hashLoadFactory, true){
      private static final long serialVersionUID = 1;
 
      @Override
      protected boolean removeEldestEntry(Map.Entry eldest) {
        return size() > LRU.this.cacheSize;
      }
    };
  }
 
  public synchronized V get(K key) {
    return map.get(key);
  }
 
  public synchronized void put(K key, V value) {
    map.put(key, value);
  }
 
  public synchronized void clear() {
    map.clear();
  }
 
  public synchronized int usedSize() {
    return map.size();
  }
 
  public void print() {
    for (Map.Entry<K, V> entry : map.entrySet()) {
      System.out.print(entry.getValue() + "--");
    }
    System.out.println();
  }
}