Java之理解Redis回收算法LRU案例講解
如何通俗易懂的理解LRU算法?
1.LRU是什么?
LRU全稱(chēng)Least Recently Used,也就是最近最少使用的意思,是一種內(nèi)存管理算法,最早應(yīng)用于Linux操作系統(tǒng)。
LRU算法基于一種假設(shè):長(zhǎng)期不被使用的數(shù)據(jù),在未來(lái)被用到的幾率也不大。因此,當(dāng)數(shù)據(jù)所占內(nèi)存達(dá)到一定閾值時(shí),我們要移除掉最近最少被使用的數(shù)據(jù)。
LRU算法應(yīng)用:可以在內(nèi)存不夠時(shí),從哈希表移除一部分很少訪(fǎng)問(wèn)的用戶(hù)。
LRU是什么?按照英文的直接原義就是Least Recently Used,最近最久未使用法,它是按照一個(gè)非常著名的計(jì)算機(jī)操作系統(tǒng)基礎(chǔ)理論得來(lái)的:最近使用的頁(yè)面數(shù)據(jù)會(huì)在未來(lái)一段時(shí)期內(nèi)仍然被使用,已經(jīng)很久沒(méi)有使用的頁(yè)面很有可能在未來(lái)較長(zhǎng)的一段時(shí)間內(nèi)仍然不會(huì)被使用。基于這個(gè)思想,會(huì)存在一種緩存淘汰機(jī)制,每次從內(nèi)存中找到最久未使用的數(shù)據(jù)然后置換出來(lái),從而存入新的數(shù)據(jù)!它的主要衡量指標(biāo)是使用的時(shí)間,附加指標(biāo)是使用的次數(shù)。在計(jì)算機(jī)中大量使用了這個(gè)機(jī)制,它的合理性在于優(yōu)先篩選熱點(diǎn)數(shù)據(jù),所謂熱點(diǎn)數(shù)據(jù),就是最近最多使用的數(shù)據(jù)!因?yàn)椋肔RU我們可以解決很多實(shí)際開(kāi)發(fā)中的問(wèn)題,并且很符合業(yè)務(wù)場(chǎng)景。
2.LRU的需求
首先考慮這樣的一個(gè)業(yè)務(wù)場(chǎng)景,小王在A公司上班,有一天產(chǎn)品提出了一個(gè)需求:“咱們系統(tǒng)的用戶(hù)啊,每天活躍的就那么多,有太多的僵尸用戶(hù),根本不登錄,你能不能考慮做一個(gè)篩選機(jī)制把這些用戶(hù)刨出去,并且給活躍的用戶(hù)做一個(gè)排名,我們可以設(shè)計(jì)出一些獎(jiǎng)勵(lì)活動(dòng),提升咱們的用戶(hù)粘性,咱們只需要關(guān)注那些活躍的用戶(hù)就行了“”。小王連忙點(diǎn)頭,說(shuō)可以啊,然而心里犯起嘀咕來(lái)了:這簡(jiǎn)單,按照常規(guī)思路,給用戶(hù)添加一個(gè)最近活躍時(shí)間長(zhǎng)度和登錄次數(shù),然后按照這兩個(gè)數(shù)據(jù)計(jì)算他們的活躍度,最后直接排序就行了。嘿嘿,簡(jiǎn)直完美!不過(guò)!用戶(hù)表字段已經(jīng)很多了,又要加兩個(gè)字段,然后還得遍歷所有的數(shù)據(jù)排序?這樣查詢(xún)效率是不是會(huì)受影響???
3.LRU的實(shí)現(xiàn)方式
實(shí)現(xiàn) LRUCache 類(lèi):
- LRUCache(int capacity) 以正整數(shù)作為容量 capacity 初始化 LRU 緩存;
- int get(int key) 如果關(guān)鍵字 key 存在于緩存中,則返回關(guān)鍵字的值,否則返回 -1 。
- void put(int key, int value) 如果關(guān)鍵字已經(jīng)存在,則變更其數(shù)據(jù)值;如果關(guān)鍵字不存在,則插入該組「關(guān)鍵字-值」。當(dāng)緩存容量達(dá)到上限時(shí),它應(yīng)該在寫(xiě)入新數(shù)據(jù)之前刪除最久未使用的數(shù)據(jù)值,從而為新的數(shù)據(jù)值留出空間。
3.1 直接繼承LinkedHashMap來(lái)實(shí)現(xiàn)
public class Code_LRU {
class LRUCache extends LinkedHashMap<Integer,Integer>{
private int capacity;
public LRUCache(int capacity) {
super(capacity,0.75F,true);
this.capacity = capacity;
}
public int get(int key) {
return super.getOrDefault(key,-1);
}
public void put(int key,int value) {
super.put(key, value);
}
// 重寫(xiě)淘汰策略
protected boolean removeEldestEntry(Map.Entry<Integer, Integer> edlest) {
return size()>capacity;
}
}
}
3.2 用雙向鏈表+hashMap來(lái)實(shí)現(xiàn)
// 解題思路:雙向鏈表+hashmap來(lái)實(shí)現(xiàn)
class LRUCache_2{
// 雙向鏈表
class DLinkedNode{
int key;
int value;
DLinkedNode prev;
DLinkedNode next;
public DLinkedNode() {
}
public DLinkedNode(int key,int value) {
this.key = key;
this.value = value;
}
}
// hashmap
private HashMap<Integer,DLinkedNode> cache = new HashMap<>();
// 定義私有變量
private int size;
private int capacity;
private DLinkedNode head,tail;
public LRUCache_2(int capacity) {
this.size = 0;
this.capacity = capacity;
// 生成偽頭部和偽尾部結(jié)點(diǎn)
head = new DLinkedNode();
tail = new DLinkedNode();
head.next = tail;
tail.prev = head;
}
//獲得值
public int get(int key) {
DLinkedNode node = cache.get(key);
if(node==null) {
return -1;
}else {
// 如果key存在,哈希表定位 結(jié)點(diǎn)移動(dòng)到頭部
moveToHead(node);
return node.value;
}
}
// 放入值的操作
public void put(int key,int value) {
DLinkedNode node = cache.get(key);
// 如果key不存在
if(node==null) {
// 新創(chuàng)建一個(gè)結(jié)點(diǎn)
DLinkedNode newNode = new DLinkedNode(key,value);
// 添加
cache.put(key,newNode);
// 添加到頭部
addToHead(newNode);
++size;
// 判斷容量
if(size>capacity) {
// 稱(chēng)號(hào)出容量
DLinkedNode tail = removeTail();
// 刪除hash表中對(duì)應(yīng)的項(xiàng)
cache.remove(tail.key);
--size;
}
}else {
node.value = value;
// 移動(dòng)
moveToHead(node);
}
}
// 添加結(jié)點(diǎn)的操作
private void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next.prev = node;
head.next = node;
}
// 刪除結(jié)點(diǎn)
private void removeNode(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
// 移動(dòng)到頭結(jié)點(diǎn) 刪結(jié)點(diǎn) 填充結(jié)點(diǎn)
private void moveToHead(DLinkedNode node) {
removeNode(node);
addToHead(node);
}
// 刪除尾部結(jié)點(diǎn)
private DLinkedNode removeTail() {
DLinkedNode res = tail.prev;
removeNode(res);
return res;
}
}
到此這篇關(guān)于Java之理解Redis回收算法LRU案例講解的文章就介紹到這了,更多相關(guān)Java之理解Redis回收算法LRU內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
MAVEN_HOME、M2_HOME,maven環(huán)境變量設(shè)置方式
這篇文章主要介紹了MAVEN_HOME、M2_HOME,maven環(huán)境變量設(shè)置方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-07-07
使用React和Java實(shí)現(xiàn)文本摘要小工具
本文將詳細(xì)介紹如何使用 React 和 Java 搭建一個(gè)小型文本摘要工具,并基于 Hugging Face 提供的 API 來(lái)實(shí)現(xiàn)智能摘要功能,感興趣的可以了解下2024-11-11
java8 實(shí)現(xiàn)map以value值排序操作
這篇文章主要介紹了java8 實(shí)現(xiàn)map以value值排序操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-12-12
Spring集成Swagger常見(jiàn)錯(cuò)誤及解決辦法
這篇文章主要介紹了Spring集成Swagger常見(jiàn)錯(cuò)誤及解決辦法,幫助大家更好的理解和學(xué)習(xí)使用Spring,感興趣的朋友可以了解下2021-05-05
Java 如何實(shí)現(xiàn)照片轉(zhuǎn)化為回憶中的照片
本文主要介紹了可以對(duì)圖片進(jìn)行色彩處理的Java工具類(lèi),讓圖片變成回憶中的畫(huà)面,主要將圖片做黑白與褐色的處理。代碼具有一定價(jià)值,感興趣的童鞋可以關(guān)注一下2021-11-11
簡(jiǎn)單實(shí)現(xiàn)java音樂(lè)播放器
這篇文章主要為大家詳細(xì)介紹了java實(shí)現(xiàn)音樂(lè)播放器的相關(guān)代碼,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2017-06-06

