LRU 缓存淘汰算法-526互联

Least Recently Used(LRU) 是缓存淘汰一种常用的策略，内存满了则优先删除最久没被使用的数据。

LRU 算法的需求

接收一个参数 capacity 作为缓存的最大容量
实现一个函数 put() 添加数据到缓存
实现一个函数 get() 查询缓存中的数据
以上函数应该在 \(O(1)\) 的时间内完成

满足以上需求的数据结构 —— 哈希表 + 双向链表，通过哈希表快速定位到链表中的节点，然后完成添加、删除等操作。

LRU 算法的实现

节点定义

public class Node {
    public int key;
    public String data;
    public Node next;
    public Node prev;
    
    public Node(int key, String data) {
        this.key = key;
        this.value = value;
        this.next = null;
        this.prev = null;
    }
}

双向链表

public class MyLinkedList {
    private Node head;    // 头节点
    private Node tail;    // 尾节点
    private int size;
    
    public MyLinkedList() {
        this.head = new Node(-1, "head");
        this.tail = new Node(-1, "tail");
        
        head.next = tail;
        tail.prev = head;
        
        this.size = 0;
    }
    
     // 添加新的数据到缓存
     public void addLast(Node node) {
         node.prev = tail.prev;
         node.next = tail;
         tail.prev.next = node;
         tail.prev = node;
         
         this.size += 1;
     }
    
    // 删除缓存中的某项数据
    public void remove(Node node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
        
        this.size -= 1;
    }
    
    // 缓存空间已满，删除最早未被使用的数据
    public Node removeFirst() {
        if (head.next == tail) {
            return null;
        }
        
        Node first = head.next;
        remove(first);
        
        return first;
    } 
    
    public int size() {
        return this.size;
    }
}

LRU Cache

目前使用的双向链表支持从尾部插入，即尾部为最新的数据，头部则是最久未被使用的数据。

public class LRUCache {
    private Map<Integer, Node> map;
    private MyLinkedList cache;
    private int capacity;
    
    public LRUCache(int capacity) {
        this.map = new HashMap<>();
        this.cache = new MyLinkedList();
        this.capacity = capacity;
    }
    
    public String get(int key) {
        if (!map.containsKey(key)) {
            return null;
        }
        
        makeRecently(key);
        return map.get(key).data;
    }
    
    /**
     * 1. 判断 key 是否已存在于缓存，若已存在则更新对应的data，并设置为最新使用即添加到队尾
     * 2. 判断缓存空间是否已满，若已满则删除最久未使用的数据
     */
    public void put(int key, String data) {
        if (map.containsKey(key)) {
            deleteKey(key);
            addRecently(key, data);
            return;
        }
        
        // 缓存空间已满
        if (this.capacity == cache.size()) {
            removeLeastRecently();
        }
        
        addRecently(key, data);
    }
    
    private void addRecently(int key, String data) {
        Node node = new Node(key, data);
        cache.addLast(node);
        map.put(key, node);
    }
    
    private void makeRecently(int key) {
        Node node = map.get(key);
        cache.remove(node);
        cache.addLast(node);
    }
    
    private void deleteKey(int key) {
        Node node = map.get(key);
        cache.remove(node);
        map.remove(key);
    }
    
    /**
     * 删除最久未被使用的数据
     */
    private void removeLeastRecently() {
        Node node = cache.removeFirst();
        map.remove(node.key);
    }
}