如何编写代码实现LRU算法

这篇文章主要讲解了“如何编写代码实现LRU算法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“如何编写代码实现LRU算法”吧！

运用你所掌握的数据结构，设计和实现一个  LRU (最近最少使用) 缓存机制 。
实现 LRUCache 类：

LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。
 

要求：在 O(1) 时间复杂度内完成这两种操作。

 思考

 
1 所谓缓存，必须要有读+写两个操作，按照命中率的思路考虑，写操作+读操作时间复杂度都需要为O(1)
 
2 特性要求分析
    2.1 必须有顺序之分，以区分最近使用的和很久没用到的数据排序。
    2.2 写和读操作 一次搞定。
    2.3 如果容量(坑位)满了要删除最不长用的数据，每次新访问还要把新的数据插入到队头(按照业务你自己设定左右那一边是队头) 
 
         查找快，插入快，删除快，且还需要先后排序-------->什么样的数据结构满足这个问题?
 
你是否可以在O(1)时间复杂度内完成这两种操作?
 
如果一次就可以找到，你觉得什么数据结构最合适?? 

参考LinkedHashMap

 方案一 依赖JDK

package com.lau.lrualgorithm.way;

import java.util.LinkedHashMap;
import java.util.Map;

/**
 * 复用现有api中的HashMap
 */
public class ReuseLinkedHashMap<K, V> extends LinkedHashMap<K, V> {

    //允许缓存个数上限
    private int cacheSize;

    //重载构造器
    public ReuseLinkedHashMap(int cacheSize) {
        super(cacheSize, 0.75f, true);
        this.cacheSize = cacheSize;
    }
    
    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return super.size() > cacheSize;
    }

    public V put(K key, V value){
//        if(super.size() == this.cachesize){
//            super.removeEldestEntry();
//        }

       return super.put(key, value);
    }

    public V get(Object key){
        return super.get(key);
    }

    public static void main(String[] args) {
        ReuseLinkedHashMap map = new ReuseLinkedHashMap(3);

        map.put(1, 1);
        map.put(2, 2);
        map.put(3, 3);

        System.out.println(map.keySet());

        map.put(4, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(3, 1);
        System.out.println(map.keySet());

        map.put(5, 1);
        System.out.println(map.keySet());

    }
}

/**
 * true
 * [1, 2, 3]
 * [2, 3, 4]
 * [2, 4, 3]
 * [2, 4, 3]
 * [2, 4, 3]
 * [4, 3, 5]
 * */

/**false
 [1, 2, 3]
 [2, 3, 4]
 [2, 3, 4]
 [2, 3, 4]
 [2, 3, 4]
 [3, 4, 5]
 */

关键点：

1、复写removeEldestEntry()方法

2、accessOrder – the ordering mode - true for access-order, false for insertion-order

3、最新节点存储顺序：从右至左

方案二 不依赖JDK

package com.lau.lrualgorithm.way;

import java.util.HashMap;
import java.util.Map;

//map负责查找，构建一个虚拟的双向链表，它里面安装的就是一个个Node节点，作为数据载体。
public class LruCacheDemo {

    //1.构造一个node节点作为数据载体
    class Node<K, V> {
        K key;
        V value;
        Node<K, V> prev;
        Node<K, V> next;

        public Node() {
            this.prev = this.next = null;
        }

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            this.prev = this.next = null;
        }

    }

    //2 构建一个虚拟的双向链表,里面安放的就是我们的Node
    class DoubleLinkedList<K, V> {
        Node<K, V> head;
        Node<K, V> tail;

        public DoubleLinkedList() {
            head = new Node<>();
            tail = new Node<>();
            head.next = tail;
            tail.prev = head;
        }

        //3. 添加到头
        public void addHead(Node<K, V> node) {
            node.next = head.next;
            node.prev = head;
            head.next.prev = node;
            head.next = node;
        }

        //4.删除节点
        public void removeNode(Node<K, V> node) {
            node.next.prev = node.prev;
            node.prev.next = node.next;
            node.prev = null;
            node.next = null;
        }

        //5.获得最后一个节点
        public Node getLast() {
            return tail.prev;
        }
    }

    private int cacheSize;
    Map<Integer, Node<Integer, Integer>> map;
    DoubleLinkedList<Integer, Integer> doubleLinkedList;

    public LruCacheDemo(int cacheSize) {
        this.cacheSize = cacheSize;//坑位
        map = new HashMap<>();//查找
        doubleLinkedList = new DoubleLinkedList<>();
    }

    public int get(int key) {
        if (!map.containsKey(key)) {
            return -1;
        }

        Node<Integer, Integer> node = map.get(key);
        doubleLinkedList.removeNode(node);
        doubleLinkedList.addHead(node);

        return node.value;
    }

    public void put(int key, int value) {
        if (map.containsKey(key)) {  //update
            Node<Integer, Integer> node = map.get(key);
            node.value = value;
//            map.put(key, node);

            doubleLinkedList.removeNode(node);
            doubleLinkedList.addHead(node);
        } else {
            if (map.size() == cacheSize)  //坑位满了
            {
                Node<Integer, Integer> lastNode = doubleLinkedList.getLast();
                map.remove(lastNode.key);
                doubleLinkedList.removeNode(lastNode);
            }

            //新增一个
            Node<Integer, Integer> newNode = new Node<>(key, value);
            map.put(key, newNode);
            doubleLinkedList.addHead(newNode);

        }
    }

    public static void main(String[] args) {
        LruCacheDemo lruCacheDemo = new LruCacheDemo(3);

        lruCacheDemo.put(1, 1);
        lruCacheDemo.put(2, 2);
        lruCacheDemo.put(3, 3);

        //不能直接打印map，因为此map是无序的！！！
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(4, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(3, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

        lruCacheDemo.put(5, 1);
//        System.out.println(lruCacheDemo.map.keySet());

        printKeys(lruCacheDemo);

    }

    private static void printKeys(LruCacheDemo lruCacheDemo){
        Node<Integer, Integer> node = lruCacheDemo.doubleLinkedList.head.next;
        while( node != null && node.key != null){
            System.out.print(node.key + " ");
            node = node.next;
        }

        System.out.println();
    }
}


/**
   * true
   * [1, 2, 3]
   * [2, 3, 4]
   * [2, 4, 3]
   * [2, 4, 3]
   * [2, 4, 3]
   * [4, 3, 5]
   * */

/**false
   [1, 2, 3]
   [2, 3, 4]
   [2, 3, 4]
   [2, 3, 4]
   [2, 3, 4]
   [3, 4, 5]
   */

注：

最新节点存储顺序：从左至右

手写版数据结构

感谢各位的阅读，以上就是“如何编写代码实现LRU算法”的内容了，经过本文的学习后，相信大家对如何编写代码实现LRU算法这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！