LRU缓存淘汰策略的实现——LinkedHashMap哈希链表

LRU(最近最少使用)缓存淘汰策略可以通过使用哈希链表实现。LinkedHashMap 是 Java 中提供的一种数据结构,它综合了哈希表和双向链表的特点,非常适合用来实现 LRU 缓存。

LinkedHashMap 内部维护了一个哈希表和一个双向链表。哈希表用于快速获取缓存项,而双向链表用于保持缓存项的顺序,最近使用的项在链表的末尾,最少使用的项在链表的开头。

如何使用 LinkedHashMap 实现 LRU 缓存淘汰策略(Java实现):

java 复制代码
import java.util.LinkedHashMap;
import java.util.Map;

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

    public LRUCache(int capacity) {
        // 设置 accessOrder 参数为 true,使得 LinkedHashMap 按访问顺序排序
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        // 当缓存大小超过设定的容量时,移除最老的缓存项
        return size() > capacity;
    }

    public static void main(String[] args) {
        LRUCache<Integer, String> cache = new LRUCache<>(3);

        cache.put(1, "A");
        cache.put(2, "B");
        cache.put(3, "C");

        System.out.println(cache); // 输出:{1=A, 2=B, 3=C}

        cache.get(2); // 模拟访问缓存项 2

        cache.put(4, "D"); // 超出容量,触发淘汰策略,移除最老的缓存项

        System.out.println(cache); // 输出:{2=B, 3=C, 4=D}
    }
}

我们定义了一个 LRUCache 类继承自 LinkedHashMap,并重写了 removeEldestEntry 方法来控制是否移除最老的缓存项。需要注意以下几点:

1、构造函数 :在构造LRUCache时,需要指定容量和装载因子,并将accessOrder参数设置为true,以便使LinkedHashMap按访问顺序排序。

2、removeEldestEntry方法 :需要重写removeEldestEntry方法,在缓存容量超过设置的上限时,移除最老的缓存项。默认实现为返回false,即不移除任何缓存项,需要修改为返回size() > capacity时返回true。

3、缓存操作:使用put方法向缓存中存入键值对,使用get方法获取指定键对应的值。通过LinkedHashMap的特性,最近访问的缓存项会被移动到链表尾部,从而实现LRU淘汰。

相关推荐
owde12 小时前
顺序容器 -list双向链表
数据结构·c++·链表·list
A旧城以西12 小时前
数据结构(JAVA)单向,双向链表
java·开发语言·数据结构·学习·链表·intellij-idea·idea
Y第五个季节14 小时前
Redis - HyperLogLog
数据库·redis·缓存
Justice link15 小时前
企业级NoSql数据库Redis集群
数据库·redis·缓存
〆、风神16 小时前
Guava Cache 实战:构建高并发场景下的字典数据缓存
缓存·guava
明灯L16 小时前
《函数基础与内存机制深度剖析:从 return 语句到各类经典编程题详解》
经验分享·python·算法·链表·经典例题
极客天成ScaleFlash1 天前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
爱的叹息1 天前
RedisTemplate 的 6 个可配置序列化器属性对比
算法·哈希算法
morris1311 天前
【redis】redis实现分布式锁
数据库·redis·缓存·分布式锁
纪元A梦1 天前
Redis最佳实践——首页推荐与商品列表缓存详解
数据库·redis·缓存