LruCache算法原理及实现

简介:
LruCache算法原理
LRU为Least Recently Used的缩写,意思也就是近期最少使用算法。LruCache将LinkedHashMap的顺序设置为LRU顺序来实现LRU缓存,每次调用get并获取到值(也就是从内存缓存中命中),则将该对象移到链表的尾端。调用put插入新的对象也是存储在链表尾端,这样当内存缓存达到设定的最大值时,将链表头部的对象(近期最少用到的)移除。

基于LinkedHashMap的LRUCache的实现,关键是重写LinkedHashMap的removeEldestEntry方法,在LinkedHashMap中该方法默认返回false(LRUCache本身未考虑线程安全的问题),这样此映射的行为将类似于正常映射,即永远不能移除最旧的元素。

LruCache算法实现的思路
按从近期访问最少到近期访问最多的顺序(即访问顺序)来保存元素,LinkedHashMap提供了LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder)构造函数,该哈希映射的迭代顺序就是最后访问其条目的顺序,这种映射很适合构建LRU缓存。
LinkedHashMap提供了removeEldestEntry(Map.Entry eldest)方法。该方法在每次添加新条目时移除最旧条目,但该方法默认返回false,这样,此映射的行为将类似于正常映射,即永远不能移除最旧的元素。因而需要重写该方法。
基于LinkedHashMap的LruCache具体实现
import java.util.LinkedHashMap;
import java.util.Map;

public class LruCache<K, V> {
    private LinkedHashMap<K, V> map;//链表存储对象

    private int cacheSize;//cache大小
    private int hitCount;//命中次数
    private int missCount;//未命中次数

    public synchronized final int getCacheSize() {
        return cacheSize;
    }

    public synchronized final int getHitCount() {
        return hitCount;
    }

    public synchronized final int getMissCount() {
        return missCount;
    }

    static final int DEFAULT_CACHE_SIZE = 2;//cache默认大小

    public V put(K key, V value) {
        return map.put(key, value);
    }

    public V get(Object key) {

        if (null == key) {
            throw new NullPointerException(" key == null ");
        }

        V val = null;
        synchronized (this) {
            val = map.get(key);
            if (null != val) {
                hitCount += 1;
                return val;
            }

            missCount += 1;
        }

        return val;
    }

    public LruCache() {
        this(DEFAULT_CACHE_SIZE);
    }

    public LruCache(int cacheSize) {
        this.cacheSize = cacheSize;
        int hashTableSize = (int) (Math.ceil(cacheSize / 0.75f) + 1);

        //LruCache算法实现的关键

        //1、按从近期访问最少到近期访问最多的顺序(即访问顺序)来保存元素,那么请使用下面的构造方法构造LinkedHashMap
        //public LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder); //该哈希映射的迭代顺序就是最后访问其条目的顺序,这种映射很适合构建LRU缓存。
        //2、LinkedHashMap提供了removeEldestEntry(Map.Entry<K,V> eldest)方法。该方法可以提供在每次添加新条目时移除最旧条目的实现程序,默认返回false,这样,此映射的行为将类似于正常映射,即永远不能移除最旧的元素。
        map = new LinkedHashMap<K, V>(hashTableSize, 0.75f, true){
            private static final long serialVersionUID = 1L;

            @Override
            protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
                System.out.println(" ***** size=" + size() + " cacheSize=" + LruCache.this.cacheSize + " ****");
//                return super.removeEldestEntry(eldest);
                return size() > LruCache.this.cacheSize;
            }
        };
    }

    public static void main(String[] args) {

        LruCache<String, String> lruCache = new LruCache<String, String>(3);
        lruCache.put("1", "1");
        lruCache.put("2", "2");
        lruCache.put("3", "3");
        lruCache.put("4", "4");
        lruCache.put("5", "5");

        System.out.println("==========================================================================");
        System.out.println("hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println("==========================================================================");

        System.out.println(lruCache.get("1") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("2") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("3") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("4") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("4") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("4") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        System.out.println(lruCache.get("4") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());
        lruCache.put("6", "6");
        lruCache.put("7", "7");
        System.out.println(lruCache.get("4") + " hitCount=" + lruCache.getHitCount() + " missCount=" + lruCache.getMissCount());
        lruCache.put("8", "8");

        System.out.println(lruCache.get("5") + " hitCount=" + lruCache.getHitCount() + " missCount=" +  lruCache.getMissCount());

        System.out.println("==========================================================================");
        for(Map.Entry<String, String> entry : lruCache.map.entrySet()) {
            System.out.println(entry.getKey()+":"+entry.getValue());
        }

    }
}
执行结果
***** size=1 cacheSize=3 ****
***** size=2 cacheSize=3 ****
***** size=3 cacheSize=3 ****
***** size=4 cacheSize=3 ****
***** size=4 cacheSize=3 ****
==========================================================================
hitCount=0 missCount=0
==========================================================================
null hitCount=0 missCount=1
null hitCount=0 missCount=2
3 hitCount=1 missCount=2
4 hitCount=2 missCount=2
4 hitCount=3 missCount=2
4 hitCount=4 missCount=2
4 hitCount=5 missCount=2
***** size=4 cacheSize=3 ****
***** size=4 cacheSize=3 ****
4 hitCount=6 missCount=2
***** size=4 cacheSize=3 ****
null hitCount=6 missCount=3
==========================================================================
7:7
4:4
8:8







本文转自秋楓博客园博客,原文链接:http://www.cnblogs.com/rwxwsblog/p/6093198.html,如需转载请自行联系原作者

目录
相关文章
机器学习/深度学习 算法 自动驾驶
141 0
|
29天前
|
机器学习/深度学习 算法 搜索推荐
从零开始构建图注意力网络:GAT算法原理与数值实现详解
本文详细解析了图注意力网络(GAT)的算法原理和实现过程。GAT通过引入注意力机制解决了图卷积网络(GCN)中所有邻居节点贡献相等的局限性,让模型能够自动学习不同邻居的重要性权重。
122 0
从零开始构建图注意力网络:GAT算法原理与数值实现详解
|
2月前
|
机器学习/深度学习 算法 文件存储
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
神经架构搜索(NAS)正被广泛应用于大模型及语言/视觉模型设计,如LangVision-LoRA-NAS、Jet-Nemotron等。本文回顾NAS核心技术,解析其自动化设计原理,探讨强化学习、进化算法与梯度方法的应用与差异,揭示NAS在大模型时代的潜力与挑战。
303 6
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
|
2月前
|
传感器 算法 定位技术
KF,EKF,IEKF 算法的基本原理并构建推导出四轮前驱自主移动机器人的运动学模型和观测模型(Matlab代码实现)
KF,EKF,IEKF 算法的基本原理并构建推导出四轮前驱自主移动机器人的运动学模型和观测模型(Matlab代码实现)
|
2月前
|
算法
离散粒子群算法(DPSO)的原理与MATLAB实现
离散粒子群算法(DPSO)的原理与MATLAB实现
90 0
|
3月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
203 0
|
3月前
|
算法 区块链 数据安全/隐私保护
加密算法:深度解析Ed25519原理
在 Solana 开发过程中,我一直对 Ed25519 加密算法 如何生成公钥、签名以及验证签名的机制感到困惑。为了弄清这一点,我查阅了大量相关资料,终于对其流程有了更清晰的理解。在此记录实现过程,方便日后查阅。
179 1
|
4月前
|
消息中间件 存储 缓存
zk基础—1.一致性原理和算法
本文详细介绍了分布式系统的特点、理论及一致性算法。首先分析了分布式系统的五大特点:分布性、对等性、并发性、缺乏全局时钟和故障随时发生。接着探讨了分布式系统理论,包括CAP理论(一致性、可用性、分区容错性)和BASE理论(基本可用、软状态、最终一致性)。文中还深入讲解了两阶段提交(2PC)与三阶段提交(3PC)协议,以及Paxos算法的推导过程和核心思想,强调了其在ZooKeeper中的应用。最后简述了ZAB算法,指出其通过改编的两阶段提交协议确保节点间数据一致性,并在Leader故障时快速恢复服务。这些内容为理解分布式系统的设计与实现提供了全面的基础。
|
4月前
|
存储 算法 安全
Java中的对称加密算法的原理与实现
本文详细解析了Java中三种常用对称加密算法(AES、DES、3DES)的实现原理及应用。对称加密使用相同密钥进行加解密,适合数据安全传输与存储。AES作为现代标准,支持128/192/256位密钥,安全性高;DES采用56位密钥,现已不够安全;3DES通过三重加密增强安全性,但性能较低。文章提供了各算法的具体Java代码示例,便于快速上手实现加密解密操作,帮助用户根据需求选择合适的加密方案保护数据安全。
346 58

热门文章

最新文章