手写一个LRU算法

概述

LRU(Least Recently Used)是一种常见的缓存淘汰策略,用于在缓存容量不足时确定要淘汰的缓存项。LRU策略基于一种简单的思想:最近最少使用的项最先被淘汰。

工作原理

1.当一个数据被访问时,它就被标记为最近使用过的。
2.当缓存满了且需要淘汰一个数据项时,LRU算法会选择最近最少使用的数据项进行淘汰。

实现

下面我们采用双向链表 + 哈希表的方式手写一个LRU算法。

底层数据结构

 // Hash表,用于快速查找节点
private Map<Integer,Node> cache;
// 缓存容量,当超过容量需要淘汰
private int capacity;
// 链表头节点,标记最近访问的节点
private Node head;
// 链表尾节点,标记最旧的节点
private Node tail;

// Node节点信息
class Node{
     int key;
     int value;
     Node pre;
     Node next;
}

初始化

public LRUCache(int capacity) {
	// 创建hash表
    this.cache = new HashMap<>();
    // 设置容量
    this.capacity = capacity;
    // 构建双向链表
    head.next = tail;
    tail.pre = head;
    }

删除节点

  // 移除链表中的节点
private void removeNode(Node node){
     Node pre = node.pre;
     Node next = node.next;
     pre.next = next;
     next.pre = pre;
}

添加到头节点

 private void addToFront(Node node){
     Node next = head.next;
     head.next = node;
     node.pre = head;
     node.next = next;
     next.pre = node;
}

操作hash表

// get获取元素
 public int get(int key){
     if(cache.containsKey(key)){
        Node node = cache.get(key);
        // 从链表中删除该节点
        removeNode(node);
        // 该节点放到链表头部(最近访问)
        addToFront(node);
        return node.value;
        }
        return -1;
}

// add增加元素
    public void put(int key,int value){
    	// 旧key,替换value,该节点放到链表头部
       if(cache.containsKey(key)){
           Node node = cache.get(key);
           node.value = value;
           removeNode(node);
           addToFront(node);
           return ;
       }
        // 新key,构建Node
        Node newNode = new Node(key, value);
        cache.put(key, newNode);
         // 超过阈值,删除尾节点
        if(cache.size() > capacity){
            Node toRemove = tail.pre;
            removeNode(toRemove);
            cache.remove(toRemove.key);
        }
        // 节点放到链表头部
        addToFront(newNode);
    }

完整代码

public class LRUCache {
    // 用于快速查找节点的HashMap
    private Map<Integer,Node> cache;
    // 缓存容量
    private int capacity;
    // 链表头节点,标记最近访问的节点
    private Node head;
    // 链表尾节点,标记最旧的节点
    private Node tail;

    // 初始化LRUCache
    public LRUCache(int capacity) {
        this.cache = new HashMap<>();
        this.capacity = capacity;
        head.next = tail;
        tail.pre = head;
    }

    // 将节点添加到链表头部
    private void addToFront(Node node){
        Node next = head.next;
        head.next = node;
        node.pre = head;
        node.next = next;
        next.pre = node;
    }

    // 移除链表中的节点
    private void removeNode(Node node){
        Node pre = node.pre;
        Node next = node.next;
        pre.next = next;
        next.pre = pre;
    }

    // 获取节点值并将节点移到最前面表示最近访问
    public int get(int key){
        if(cache.containsKey(key)){
            Node node = cache.get(key);
            removeNode(node);
            addToFront(node);
            return node.value;
        }
        return -1;
    }

    // 向缓存中添加节点
    public void put(int key,int value){
       if(cache.containsKey(key)){
           Node node = cache.get(key);
           node.value = value;
           removeNode(node);
           addToFront(node);
           return ;
       }
        Node newNode = new Node(key, value);
        cache.put(key, newNode);
        if(cache.size() > capacity){
            Node toRemove = tail.pre;
            removeNode(toRemove);
            cache.remove(toRemove.key);
        }
        addToFront(newNode);
    }

    /**
     * 内部节点类
     */
    @Data
    class Node{
        int key;
        int value;
        Node pre;
        Node next;

        public Node(int key, int value) {
            this.key = key;
            this.value = value;
        }
    }

}

你可能感兴趣的:(算法)