知识的价值不在于占有,而在于使用。这篇文章主要讲述昨天面试被问到的 缓存淘汰算法FIFOLRULFU及Java实现相关的知识,希望能为你提供帮助。
缓存淘汰算法
在高并发、高性能的质量要求不断提高时,我们首先会想到的就是利用缓存予以应对。
第一次请求时把计算好的结果存放在缓存中,下次遇到同样的请求时,把之前保存在缓存中的数据直接拿来使用。
但是,缓存的空间一般都是有限,不可能把所有的结果全部保存下来。那么,当缓存空间全部被占满再有新的数据需要被保存,就要决定删除原来的哪些数据。如何做这样决定需要使用缓存淘汰算法。
文章图片
常用的缓存淘汰算法有:FIFO、LRU、LFU,下面我们就逐一介绍一下。
FIFO
【昨天面试被问到的 缓存淘汰算法FIFOLRULFU及Java实现】FIFO,First In First Out,先进先出算法。判断被存储的时间,离目前最远的数据优先被淘汰。简单地说,先存入缓存的数据,先被淘汰。
最早存入缓存的数据,其不再被使用的可能性比刚存入缓存的可能性大。建立一个FIFO队列,记录所有在缓存中的数据。当一条数据被存入缓存时,就把它插在队尾上。需要被淘汰的数据一直在队列头。这种算法只是在按线性顺序访问数据时才是理想的,否则效率不高。因为那些常被访问的数据,往往在缓存中也停留得最久,结果它们却因变“老”而不得不被淘汰出去。
FIFO算法用队列实现就可以了,这里就不做代码实现了。
LRU
LRU,Least Recently Used,最近最少使用算法。判断最近被使用的时间,目前最远的数据优先被淘汰。简单地说,LRU 的淘汰规则是基于访问时间。
如果一个数据在最近一段时间没有被使用到,那么可以认为在将来它被使用的可能性也很小。因此,当缓存空间满时,最久没有使用的数据最先被淘汰。
在java中,其实LinkedHashMap已经实现了LRU缓存淘汰算法,需要在构造函数第三个参数传入true,表示按照时间顺序访问。可以直接继承LinkedHashMap来实现。
package one.more;
import java.util.LinkedHashMap;
import java.util.Map;
public class LruCache<
K, V>
extends LinkedHashMap<
K, V>
/**
* 容量限制
*/
private int capacity;
LruCache(int capacity)
// 初始大小,0.75是装载因子,true是表示按照访问时间排序
super(capacity, 0.75f, true);
//缓存最大容量
this.capacity = capacity;
/**
* 重写removeEldestEntry方法,如果缓存满了,则把链表头部第一个节点和对应的数据删除。
*/
@Override
protected boolean removeEldestEntry(Map.Entry<
K, V>
eldest)
return size() >
capacity;
我写一个简单的程序测试一下:
package one.more;
public class TestApp public static void main(String[] args)
LruCache<
String, String>
cache = new LruCache(3);
cache.put("keyA", "valueA");
System.out.println("put keyA");
System.out.println(cache);
System.out.println("=========================");
cache.put("keyB", "valueB");
System.out.println("put keyB");
System.out.println(cache);
System.out.println("=========================");
cache.put("keyC", "valueC");
System.out.println("put keyC");
System.out.println(cache);
System.out.println("=========================");
cache.get("keyA");
System.out.println("get keyA");
System.out.println(cache);
System.out.println("=========================");
cache.put("keyD", "valueD");
System.out.println("put keyD");
System.out.println(cache);
运行结果如下:
put keyA
keyA=valueA
=========================
put keyB
keyA=valueA, keyB=valueB
=========================
put keyC
keyA=valueA, keyB=valueB, keyC=valueC
=========================
get keyA
keyB=valueB, keyC=valueC, keyA=valueA
=========================
put keyD
keyC=valueC, keyA=valueA, keyD=valueD
当然,这个不是面试官想要的,也不是我们想要的。我们可以使用双向链表和哈希表进行实现,哈希表用于存储对应的数据,双向链表用于数据被使用的时间先后顺序。
在访问数据时,如果数据已存在缓存中,则把该数据的对应节点移到链表尾部。如此操作,在链表头部的节点则是最近最少使用的数据。
当需要添加新的数据到缓存时,如果该数据已存在缓存中,则把该数据对应的节点移到链表尾部;如果不存在,则新建一个对应的节点,放到链表尾部;如果缓存满了,则把链表头部第一个节点和对应的数据删除。
package one.more;
import java.util.HashMap;
import java.util.Map;
public class LruCache<
K, V>
/**
* 头结点
*/
private Node head;
/**
* 尾结点
*/
private Node tail;
/**
* 容量限制
*/
private int capacity;
/**
* key和数据的映射
*/
private Map<
K, Node>
map;
LruCache(int capacity)
this.capacity = capacity;
this.map = new HashMap<
>
();
public V put(K key, V value)
Node node = map.get(key);
// 数据存在,将节点移动到队尾
if (node != null)
V oldValue = https://www.songbingjia.com/android/node.value;
//更新数据
node.value = value;
moveToTail(node);
return oldValue;
else
Node newNode = new Node(key, value);
// 数据不存在,判断链表是否满
if (map.size() == capacity)
// 如果满,则删除队首节点,更新哈希表
map.remove(removeHead().key);
// 放入队尾节点
addToTail(newNode);
map.put(key, newNode);
return null;
public V get(K key)
Node node = map.get(key);
if (node != null)
moveToTail(node);
return node.value;
return null;
@Override
public String toString()
StringBuilder sb = new StringBuilder();
sb.append("LruCache");
Node curr = this.head;
while (curr != null)
if(curr != this.head)
sb.append(,).append( );
sb.append(curr.key);
sb.append(=);
sb.append(curr.value);
curr = curr.next;
return sb.append().toString();
private void addToTail(Node newNode)
if (newNode == null)
return;
if (head == null)
head = newNode;
tail = newNode;
else
//连接新节点
tail.next = newNode;
newNode.pre = tail;
//更新尾节点指针为新节点
tail = newNode;
private void moveToTail(Node node)
if (tail == node)
return;
if (head == node)
head = node.next;
head.pre = null;
else
//调整双向链表指针
node.pre.next = node.next;
node.next.pre = node.pre;
node.pre = tail;
node.next = null;
tail.next = node;
tail = node;
private Node removeHead()
if (head == null)
return null;
Node res = head;
if (head == tail)
head = null;
tail = null;
else
head = res.next;
head.pre = null;
res.next = null;
return res;
class Node
K key;
V value;
Node pre;
Node next;
Node(K key, V value)
this.key = key;
this.value = https://www.songbingjia.com/android/value;
再次运行测试程序,结果如下:
put keyA
LruCachekeyA=valueA
=========================
put keyB
LruCachekeyA=valueA, keyB=valueB
=========================
put keyC
LruCachekeyA=valueA, keyB=valueB, keyC=valueC
=========================
get keyA
LruCachekeyB=valueB, keyC=valueC, keyA=valueA
=========================
put keyD
LruCachekeyC=valueC, keyA=valueA, keyD=valueD
LFU
LFU,Least Frequently Used,最不经常使用算法,在一段时间内,数据被使用次数最少的,优先被淘汰。简单地说,LFU 的淘汰规则是基于访问次数。
如果一个数据在最近一段时间很少被使用到,那么可以认为在将来它被使用的可能性也很小。因此,当空间满时,最小频率使用的数据最先被淘汰。
我们可以使用双哈希表进行实现,一个哈希表用于存储对应的数据,另一个哈希表用于存储数据被使用次数和对应的数据。
package one.more;
import java.util.Comparator;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
public class LfuCache<
K, V>
/**
* 容量限制
*/
private int capacity;
/**
* 当前最小使用次数
*/
private int minUsedCount;
/**
* key和数据的映射
*/
private Map<
K, Node>
map;
/**
* 数据频率和对应数据组成的链表
*/
private Map<
Integer, List<
Node>
>
usedCountMap;
public LfuCache(int capacity)
this.capacity = capacity;
this.minUsedCount = 1;
this.map = new HashMap<
>
();
this.usedCountMap = new HashMap<
>
();
public V get(K key) Node node = map.get(key);
if (node == null)
return null;
// 增加数据的访问频率
addUsedCount(node);
return node.value;
public V put(K key, V value)
Node node = map.get(key);
if (node != null)
// 如果存在则增加该数据的访问频次
V oldValue = https://www.songbingjia.com/android/node.value;
node.value = value;
addUsedCount(node);
return oldValue;
else
// 数据不存在,判断链表是否满
if (map.size() == capacity)
// 如果满,则删除队首节点,更新哈希表
List<
Node>
list = usedCountMap.get(minUsedCount);
Node delNode = list.get(0);
list.remove(delNode);
map.remove(delNode.key);
// 新增数据并放到数据频率为1的数据链表中
Node newNode = new Node(key, value);
map.put(key, newNode);
List<
Node>
list = usedCountMap.get(1);
if (list == null)
list = new LinkedList<
>
();
usedCountMap.put(1, list);
list.add(newNode);
minUsedCount = 1;
return null;
@Override
public String toString()
StringBuilder sb = new StringBuilder();
sb.append("LfuCache");
List<
Integer>
usedCountList = this.usedCountMap.keySet().stream().collect(Collectors.toList());
usedCountList.sort(Comparator.comparingInt(i ->
i));
int count = 0;
for (int usedCount : usedCountList)
List<
Node>
list = this.usedCountMap.get(usedCount);
if (list == null)
continue;
for (Node node : list)
if (count >
0)
sb.append(,).append( );
sb.append(node.key);
sb.append(=);
sb.append(node.value);
sb.append("(UsedCount:");
sb.append(node.usedCount);
sb.append());
count++;
return sb.append().toString();
private void addUsedCount(Node node)
List<
Node>
oldList = usedCountMap.get(node.usedCount);
oldList.remove(node);
// 更新最小数据频率
if (minUsedCount == node.usedCount &
&
oldList.isEmpty())
minUsedCount++;
node.usedCount++;
List<
Node>
set = usedCountMap.get(node.usedCount);
if (set == null)
set = new LinkedList<
>
();
usedCountMap.put(node.usedCount, set);
set.add(node);
class Node K key;
V value;
int usedCount = 1;
Node(K key, V value)
this.key = key;
this.value = https://www.songbingjia.com/android/value;
再次运行测试程序,结果如下:
put keyA
LfuCachekeyA=valueA(UsedCount:1)
=========================
put keyB
LfuCachekeyA=valueA(UsedCount:1), keyB=valueB(UsedCount:1)
=========================
put keyC
LfuCachekeyA=valueA(UsedCount:1), keyB=valueB(UsedCount:1), keyC=valueC(UsedCount:1)
=========================
get keyA
LfuCachekeyB=valueB(UsedCount:1), keyC=valueC(UsedCount:1), keyA=valueA(UsedCount:2)
=========================
put keyD
LfuCachekeyC=valueC(UsedCount:1), keyD=valueD(UsedCount:1), keyA=valueA(UsedCount:2)
总结
看到这里,你已经超越了大多数人!
- FIFO,First In First Out,先进先出算法。判断被存储的时间,离目前最远的数据优先被淘汰,可以使用队列实现。
- LRU,Least Recently Used,最近最少使用算法。判断最近被使用的时间,目前最远的数据优先被淘汰,可以使用双向链表和哈希表实现。
- LFU,Least Frequently Used,最不经常使用算法,在一段时间内,数据被使用次数最少的,优先被淘汰,可以使用双哈希表实现。
推荐阅读
- 方大九钢携手图扑软件(数字孪生”高精尖“智慧钢厂)
- [ Linux 长征路第一篇] 基本指令
- 产业元宇宙(数字孪生的三重世界)
- LambdaQueryWrapper&QueryWrapper增删改CURD使用教程案例
- POJ - 2236Wireless Network (并查集)
- *HDU - 2473Junk-Mail Filter (并查集--删点操作)
- POJ - 3250 Bad Hair Day (单调栈)
- *HDU - 1506POJ - 2559Largest Rectangle in a Histogram(单调栈或动态规划)
- CF#459 A Pashmak and Garden(水题)