【死磕 Java 基礎】 — 自己動手實現一個 LRU

chenssy發表於2021-08-20
原文網址 : https://www.cnblogs.com/chenssy/p/15164873.html
Java

大家好，我是大明哥，一個專注於【死磕 Java】系列創作的男人

個人網站：https://www.cmsblogs.com/。專注於 Java 優質系列文章分享，提供一站式 Java 學習資料

LRU，即 Least Recently Use ，直譯為 “最近最少使用”。它是根據資料的歷史訪問記錄來進行資料淘汰的，淘汰掉最先訪問的資料，其核心思想是 如果資料最近被訪問過，那麼將來被訪問的機率也會更加高。

要實現 LRU，需要做到兩點：

  • 查詢出最近最晚使用的項
  • 給最近使用的項做一個標記

實現的方案有多種，這裡小編主要介紹兩種：

  1. LinkedHashMap
  2. 雙向連結串列 + HashMap

LinkedHashMap 實現

利用 LinkedHashMap 的原因就在於 LinkedHashMap 是有序的，預設情況下是按照元素的新增順序儲存的，也可以調整為根據訪問順序來調整內部順序（設定引數 accessOrder 進行調整），即最近讀取的資料放在最前面，我們就是利用 LinkedHashMap 的這個特性來實現 LRU。先來一個簡單的例子吧：

    public static void main(String[] args){
        Map<String,String> map = new LinkedHashMap(10,0.75f,true);

        map.put("1","a");
        map.put("2","b");
        map.put("3","c");
        map.put("4","d");

        System.out.println("原始順序為：");
        for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){
            System.out.print(it.next().getKey() + "    ");
        }
        System.out.println();

        map.get("2");

        System.out.println("訪問 4 之後的順序為：");
        for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){
            System.out.print(it.next().getKey() + "    ");
        }
    }

執行結果：

原始順序為：
1    2    3    4    
訪問 4 之後的順序為：
1    3    4    2

更多關於 LinkedHashMap，請看這篇文章：圖解集合6：LinkedHashMap

LinkedHashMap 實現 LRU 有兩種方式，一種是繼承 LinkedHashMap，一種是利用組合的方式，下面分別演示這兩種情況。

繼承 LinkedHashMap

採用繼承的方式實現起來是非常簡單的，因為 LinkedHashMap 本身就已經具備了 LRU 的特性，我們只需要實現一點：當容器中元素個數超過我們設定的容量後，刪除第一個元素即可。同時由於 LinkedHashMap 本身不具備執行緒安全，我們需要確保他執行緒安全，這個也很簡單，重寫 LinkedHashMap 的 get() 和 put() 方法即可，或者使用 Collections.synchronizedMap() 方法也可以。實現如下：

public class LRUCacheLinkedHashMap<K,V> extends LinkedHashMap<K,V> {

    /**
     * 定一快取容量
     */
    private int capacity;

    LRUCacheLinkedHashMap(int capacity){
        // AccessOrder = true
        super(capacity,0.75f,true);

        this.capacity = capacity;
    }

    /**
     * 實現LRU的關鍵方法，如果 map 裡面的元素個數大於了快取最大容量，則刪除連結串列的頂端元素
     *
     * @param eldest
     * @return
     */
    @Override
    public boolean removeEldestEntry(Map.Entry<K, V> eldest){
        System.out.println(eldest.getKey() + "=" + eldest.getValue());
        return size()>capacity;
    }

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

    @Override
    public synchronized V put(K key, V value) {
        return super.put(key, value);
    }
}

驗證

   public static void main(String[] args){
        LRUCacheLinkedHashMap cache = new LRUCacheLinkedHashMap(5);

        cache.put("1","a");
        cache.put("2","b");
        cache.put("3","c");
        cache.put("4","d");
        cache.put("5","e");

        System.out.println("插入 5 個元素後的順序");
        printlnCache(cache);

        // 插入第 6 個元素
        cache.put("6","e");

        System.out.println("插入第 6 個元素後的順序");
        printlnCache(cache);

        // 訪問 第 3 個元素
        cache.get("3");

        System.out.println("訪問元素 3 後的順序");
        printlnCache(cache);

    }

    private static void printlnCache(LRUCacheLinkedHashMap cacheMap){
        for(Iterator<Map.Entry<String,String>> it = cacheMap.entrySet().iterator(); it.hasNext();){
            System.out.print(it.next().getKey() + "    ");
        }
        System.out.println();
    }

執行結果：

插入 5 個元素後的順序
1    2    3    4    5    
插入第 6 個元素後的順序
2    3    4    5    6    
訪問元素 3 後的順序
2    4    5    6    3

執行結果完全符合我們的預期

組合 LinkedHashMap

使用組合的方式可能會更加優雅些，但是由於沒有實現 Map 介面，所以就不能使用 Collections.synchronizedMap() 方式來保證執行緒安全性了，所以需要在每個方法處增加 synchronized 來確保執行緒安全。實現方式如下：

public class LRUCache<K,V> {
    private int capacity;

    private Map<K,V> cacheMap;

    public LRUCache(int capacity){
        this.capacity = capacity;

        cacheMap = new LinkedHashMap<>(capacity,0.75f,true);
    }

    public synchronized void put(K k,V v){
        cacheMap.put(k,v);

        // 移除第一個元素
        if(cacheMap.size() > capacity){
            K first = this.keyIterator().next();

            cacheMap.remove(first);
        }
    }

    public synchronized V get(K k){
        return cacheMap.get(k);
    }

    public Iterator<K> keyIterator(){
        return cacheMap.keySet().iterator();
    }
}

驗證：

    public static void main(String[] args) {
        LRUCache lruCache = new LRUCache(5);

        lruCache.put("1","a");
        lruCache.put("2","b");
        lruCache.put("3","c");
        lruCache.put("4","d");
        lruCache.put("5","e");

        System.out.println("插入 5 個元素後的順序");
        println(lruCache);

        // 插入第 6 個元素
        lruCache.put("6","e");

        System.out.println("插入 第 6 個元素後的順序");
        println(lruCache);

        // 訪問 第 3 個元素
        lruCache.get("3");

        System.out.println("訪問元素 3 後的順序");
        println(lruCache);

    }

    private static void println(LRUCache lruCache){
        for(Iterator it = lruCache.keyIterator(); it.hasNext();){
            System.out.print(it.next() + "    ");
        }
        System.out.println();
    }

執行結果如下：

插入 5 個元素後的順序
1    2    3    4    5    
插入 第 6 個元素後的順序
2    3    4    5    6    
訪問元素 3 後的順序
2    4    5    6    3

組合的方式也顯得非常簡單，有兩點需要注意：

  1. 保證每個方法的執行緒安全
  2. put 時，需要檢視當前容量是否超過設定的容量，超過則需要刪除第一個元素。當然小編這種是實現方式不是很優雅，這麼做知識為了能夠更加好闡述 LRU 的實現。更好的方案是在構造 LinkedHashMap 時，重寫 removeEldestEntry()，如下：
        cacheMap = new LinkedHashMap<K,V>(capacity,0.75f,true){
            @Override
            protected boolean removeEldestEntry(Map.Entry eldest) {
                return size()>capacity;
            }
        };

連結串列 + HashMap 實現

我們想想，在不利用現存資料結構的條件（如 LinkedHashMap）如何實現一個 LRU 呢？快取部分容易實現，我們都知道利用 HashMap 即可，但是如何實現快取容量不足時丟棄最不常用的資料的功能？

  • 利用時間戳。每一個訪問，增加的元素我們都給其更新一個時間戳，在 put 的時候，檢查，刪除時間戳最小的就可以了。這種方法可以實現，但是代價較高，就是我們需要遍歷整個資料，得到最小的時間戳。
  • 我們可以換位思考，我們其實不需要關注每個節點的增加或者遍歷時間，我們只需要知道那個節點是最先訪問就可以了，所以我們可以利用連結串列記錄訪問記錄，有新資料加入時放在連結串列的 head 節點，每次訪問也將該資料放在 head 節點，那麼連結串列的 tail 一定是最早訪問的節點，所以每次當容量不足的時候刪除 tail 節點資料並將它的前驅節點設定為 tail 就可以了。注意，這個連結串列是一個雙向連結串列。程式碼如下：
public class LinkedLRUCache<K,V> {

    private int capacity;

    private Map<K,LRUNode> map;

    private LRUNode head;

    private LRUNode tail;

    LinkedLRUCache(int capacity){
        this.capacity = capacity;
        this.map = new HashMap<>();
    }

    public synchronized void put(K k,V v){
        LRUNode node = map.get(k);

        // 存在該 key，將節點的設定為 head
        if(node != null){
            node.value = v;

            remove(node,false);
        }else{
            /**
             * 該節點不存在
             * 1、將該節點加入快取
             * 2、設定該節點為 head
             * 3、判斷是否超出容量
             */
            node = new LRUNode(k,v);

            if(map.size() >= capacity){
                //刪除 tail 節點
                remove(tail,true);
            }

            map.put(k,node);

            setHead(node);
        }

        // 設定當前節點為首節點
        setHead(node);
    }

    public Object get(String key) {
        LRUNode node = map.get(key);
        if (node != null) {
            // 將剛操作的元素放到head
            remove(node, false);
            setHead(node);
            return node.value;
        }
        return null;
    }

    /**
     * 設定頭結點
     *
     * @param node
     */
    private void setHead(LRUNode node) {
        if(head != null){
            node.next = head;
            head.prev = node;
        }

        head = node;

        if(tail == null){
            tail = node;
        }
    }

    /**
     * 從連結串列中刪除此Node
     *
     * @param node
     * @param flag  為 true 就刪除該節點的 key
     */
    private void remove(LRUNode node,boolean flag) {
        if (node.prev != null) {
            node.prev.next = node.next;
        } else {
            head = node.next;
        }
        if (node.next != null) {
            node.next.prev = node.prev;
        } else {
            tail = node.prev;
        }
        node.next = null;
        node.prev = null;
        if (flag) {
            map.remove(node.key);
        }
    }
    
    private Iterator iterator(){
        return map.keySet().iterator();
    }

    private class LRUNode<K,V> {

        /**
         * cache 的 key
         */
        private K key;

        /**
         * cache 的 value
         */
        private V value;

        private LRUNode next;

        private LRUNode prev;

        LRUNode(K key, V value) {
            this.key = key;
            this.value = value;
        }
    }
}

驗證

   public static void main(String[] args){
        LRUCache lruCache = new LRUCache(5);
        
        lruCache.put("1","a");
        lruCache.put("2","b");
        lruCache.put("3","c");
        lruCache.put("4","d");
        lruCache.put("5","e");
       
        System.out.println("插入 5 個元素");
        println(lruCache);

        System.out.println("插入 3 元素");
        lruCache.put("3","c");
        println(lruCache);

        System.out.println("插入第  6 個元素");
        lruCache.put("6","f");
        println(lruCache);

        System.out.println("訪問 4 元素");
        lruCache.get("4");
        println(lruCache);
    }
    
    private static void println(LRUCache lruCache){
        Iterator iterator = lruCache.keyIterator();
        while (iterator.hasNext()){
            System.out.print(iterator.next() + "    ");
        }
        
        System.out.println();
    }

執行結果：

插入 5 個元素
1    2    3    4    5    
插入 3 元素
1    2    4    5    3    
插入第  6 個元素
2    4    5    3    6    
訪問 4 元素
2    5    3    6    4

相關文章