更多精彩文章。
最有用系列：
歡迎Linux和java後端的同學關注公眾號。
JVM內快取是快取體系中重要的一環，最常用的有FIFO/LRU/LFU三種演算法。
1、FIFO是簡單的佇列，先進先出。
2、LRU是最近最少使用，優先移除最久未使用的資料。是時間維度。
3、LFU是最近最不常用，優先移除訪問次數最少的資料。是統計維度。
由於過期也是快取的一個重要特點。所有在設計這三種快取演算法時，需要額外的儲存空間去儲存這個過期時間。
以下將討論這三種快取演算法的操作和設計要點，暫未考慮高併發環境。
FIFO
先進先出，如果快取容量滿，則優先移出最早加入快取的資料；其內部可以使用佇列實現。
特點
1）Object get(key)：獲取儲存的資料，如果資料不存在或者已經過期，則返回null。
2）void put(key,value,expireTime)：加入快取，無論此key是否已存在，均作為新key處理（移除舊key）；如果空間不足，則移除已過期的key，如果沒有，則移除最早加入快取的key。過期時間未指定，則表示永不自動過期。
3）此題需要注意，我們允許key是有過期時間的，這一點與普通的FIFO有所區別，所以在設計此題時需要注意。（也是面試考察點，此題偏設計而非演算法）
普通的FIFO或許大家都能很簡單的寫出，此處增加了過期時間的特性，所以在設計時需要多考慮。如下示例，為FIFO的簡易設計，尚未考慮併發環境場景。
設計思路
1）用普通的hashMap儲存快取資料。
2）我們需要額外的map用來儲存key的過期特性，例子中使用了TreeMap，將“剩餘存活時間”作為key，利用treemap的排序特性。
public class FIFOCache {
//按照訪問時間排序,儲存所有key-value
private final Map<String,Value> CACHE = new LinkedHashMap<>();
//過期資料，只儲存有過期時間的key
//暫不考慮併發，我們認為同一個時間內沒有重複的key，如果改造的話，可以將value換成set
private final TreeMap<Long, String> EXPIRED = new TreeMap<>();
private final int capacity;
public FIFOCache(int capacity) {
this.capacity = capacity;
}
public Object get(String key) {
//
Value value = CACHE.get(key);
if (value == null) {
return null;
}
//如果不包含過期時間
long expired = value.expired;
long now = System.nanoTime();
//已過期
if (expired > 0 && expired <= now) {
CACHE.remove(key);
EXPIRED.remove(expired);
return null;
}
return value.value;
}
public void put(String key,Object value) {
put(key,value,-1);
}
public void put(String key,Object value,int seconds) {
//如果容量不足，移除過期資料
if (capacity < CACHE.size()) {
long now = System.nanoTime();
//有過期的,全部移除
Iterator<Long> iterator = EXPIRED.keySet().iterator();
while (iterator.hasNext()) {
long _key = iterator.next();
//如果已過期，或者容量仍然溢位，則刪除
if (_key > now) {
break;
}
//一次移除所有過期key
String _value = EXPIRED.get(_key);
CACHE.remove(_value);
iterator.remove();
}
}
//如果仍然容量不足，則移除最早訪問的資料
if (capacity < CACHE.size()) {
Iterator<String> iterator = CACHE.keySet().iterator();
while (iterator.hasNext() && capacity < CACHE.size()) {
String _key = iterator.next();
Value _value = CACHE.get(_key);
long expired = _value.expired;
if (expired > 0) {
EXPIRED.remove(expired);
}
iterator.remove();
}
}
//如果此key已存在,移除舊資料
Value current = CACHE.remove(key);
if (current != null && current.expired > 0) {
EXPIRED.remove(current.expired);
}
//如果指定了過期時間
if(seconds > 0) {
long expireTime = expiredTime(seconds);
EXPIRED.put(expireTime,key);
CACHE.put(key,new Value(expireTime,value));
} else {
CACHE.put(key,new Value(-1,value));
}
}
private long expiredTime(int expired) {
return System.nanoTime() + TimeUnit.SECONDS.toNanos(expired);
}
public void remove(String key) {
Value value = CACHE.remove(key);
if(value == null) {
return;
}
long expired = value.expired;
if (expired > 0) {
EXPIRED.remove(expired);
}
}
class Value {
long expired; //過期時間,納秒
Object value;
Value(long expired,Object value) {
this.expired = expired;
this.value = value;
}
}
}
複製程式碼LRU
least recently used，最近最少使用，是目前最常用的快取演算法和設計方案之一，其移除策略為“當快取（頁）滿時，優先移除最近最久未使用的資料”，優點是易於設計和使用，適用場景廣泛。演算法可以參考leetcode 146 （LRU Cache）。
特點
1）Object get(key)：從canche中獲取key對應的資料，如果此key已過期，移除此key，並則返回null。
2）void put(key,value,expired)：設定k-v，如果容量不足，則根據LRU置換演算法移除“最久未被使用的key”，需要注意，根據LRU優先移除已過期的keys，如果沒有，則根據LRU移除未過期的key。如果未設定過期時間，則認為永不自動過期。
3）此題，設計關鍵是過期時間特性，這與常規的LRU有所不同。畢竟“過期時間”特性在cache設計中是必要的。
設計思路
1）LRU的基礎演算法，需要了解；每次put、get時需要更新key對應的訪問時間，我們需要一個資料結構能夠儲存key最近的訪問時間且能夠排序。
2）既然包含過期時間特性，那麼帶有過期時間的key需要額外的資料結構儲存。
3）暫時不考慮併發操作；儘量兼顧空間複雜度和時間複雜度。
4）此題仍然偏向於設計題，而非純粹的演算法題。
此題程式碼與FIFO基本相同，唯一不同點為get()方法，對於LRU而言，get方法需要重設訪問時間（即調整所在cache中順序）
public Object get(String key) {
//
Value value = CACHE.get(key);
if (value == null) {
return null;
}
//如果不包含過期時間
long expired = value.expired;
long now = System.nanoTime();
//已過期
if (expired > 0 && expired <= now) {
CACHE.remove(key);
EXPIRED.remove(expired);
return null;
}
//相對於FIFO，增加順序重置
CACHE.remove(key);
CACHE.put(key,value);
return value.value;
}
複製程式碼LFU
最近最不常用，當快取容量滿時，移除訪問次數最少的元素，如果訪問次數相同的元素有多個，則移除最久訪問的那個。設計要求參見leetcode 460（ LFU Cache）
public class LFUCache {
//主要容器，用於儲存k-v
private Map<String, Object> keyToValue = new HashMap<>();
//記錄每個k被訪問的次數
private Map<String, Integer> keyToCount = new HashMap<>();
//訪問相同次數的key列表，按照訪問次數排序，value為相同訪問次數到key列表。
private TreeMap<Integer, LinkedHashSet<String>> countToLRUKeys = new TreeMap<>();
private int capacity;
public LFUCache(int capacity) {
this.capacity = capacity;
//初始化，預設訪問1次，主要是解決下文
}
public Object get(String key) {
if (!keyToValue.containsKey(key)) {
return null;
}
touch(key);
return keyToValue.get(key);
}
/**
* 如果一個key被訪問，應該將其訪問次數調整。
* @param key
*/
private void touch(String key) {
int count = keyToCount.get(key);
keyToCount.put(key, count + 1);//訪問次數增加
//從原有訪問次數統計列表中移除
countToLRUKeys.get(count).remove(key);
//如果符合最少呼叫次數到key統計列表為空，則移除此呼叫次數到統計
if (countToLRUKeys.get(count).size() == 0) {
countToLRUKeys.remove(count);
}
//然後將此key的統計資訊加入到管理列表中
LinkedHashSet<String> countKeys = countToLRUKeys.get(count + 1);
if (countKeys == null) {
countKeys = new LinkedHashSet<>();
countToLRUKeys.put(count + 1,countKeys);
}
countKeys.add(key);
}
public void put(String key, Object value) {
if (capacity <= 0) {
return;
}
if (keyToValue.containsKey(key)) {
keyToValue.put(key, value);
touch(key);
return;
}
//容量超額之後，移除訪問次數最少的元素
if (keyToValue.size() >= capacity) {
Map.Entry<Integer,LinkedHashSet<String>> entry = countToLRUKeys.firstEntry();
Iterator<String> it = entry.getValue().iterator();
String evictKey = it.next();
it.remove();
if (!it.hasNext()) {
countToLRUKeys.remove(entry.getKey());
}
keyToCount.remove(evictKey);
keyToValue.remove(evictKey);
}
keyToValue.put(key, value);
keyToCount.put(key, 1);
LinkedHashSet<String> keys = countToLRUKeys.get(1);
if (keys == null) {
keys = new LinkedHashSet<>();
countToLRUKeys.put(1,keys);
}
keys.add(key);
}
}
複製程式碼End
更加易用的cache，可以參考guava的實現。希望這三個程式碼模版，能夠對你有所幫助。
