LRU是什么?
LRU是内存淘汰策略,LRU (Least recently used:最近最少使用)算法在缓存写满的时候,会根据所有数据的访问记录,淘汰掉未来被访问几率最低的数据。也就是说该算法认为,最近被访问过的数据,在将来被访问的几率最大。
那LRU使用什么实现的呢?双链表的话,那查询的时间复杂度不就是O(n)了,那应该怎么办,于是可以用双链表加Map的方式进行插入和查询,在插入的时候,把key,value 存到map中,那么这样查询的时候时间复杂读不就是O(n)了
假如现在我设定的内存就能存放5个数据块,现在进行插入
下面一次性插入五个数据块,此时,如果再有元素想插入应该怎么办?
如果内存被读满,那么他就会淘汰链表的最后一个元素
,如果读取链表中的元素,他就会加载到链表的头部
代码的具体实现
代码和双链表的思想一样,只不过加入了一个hashmap
go
package main
import (
"fmt"
)
// LruNode创建双链表的节点
type LruNode struct {
next, prev *LruNode
Value any
Key string
list *LRU
}
type LRU struct {
Length uint
maxBytes uint
Cache map[string]*LruNode
root LruNode
}
func NewLRU() *LRU {
return new(LRU).Init()
}
func (l *LRU) Init() *LRU {
l.root.next = &l.root
l.maxBytes = 5
l.root.prev = &l.root
l.Cache = make(map[string]*LruNode)
l.Length = 0
return l
}
// FrontBack 前插
func (l *LRU) FrontBack(k string, v any) {
if node, ok := l.Cache[k]; !ok {
nodeNow := &LruNode{Value: v, Key: k}
l.Cache[k] = nodeNow
l.insert(nodeNow, &l.root)
if l.Length+1 > l.maxBytes {
delete(l.Cache, l.root.prev.Key)
l.delete(l.root.prev)
}
} else {
delete(l.Cache, k)
nodeNow := &LruNode{Value: v, Key: k}
l.Cache[k] = node
l.insert(nodeNow, &l.root)
}
}
// GetValue 查找k,v
func (l *LRU) GetValue(k string) (val any, ok bool) {
if node, ok := l.Cache[k]; ok {
l.delete(node)
l.insert(node, &l.root)
return node.Value, ok
}
return nil, ok
}
func (l *LRU) insert(node, root *LruNode) {
node.prev = root
node.next = root.next
node.prev.next = node
node.next.prev = node
l.Length++
node.list = l
}
func (l *LRU) delete(node *LruNode) {
node.prev.next = node.next
node.next.prev = node.prev
l.Length--
}
// PrintlnDList 打印双链表的所有元素
func (l *LRU) PrintlnDList1() {
if l.Length == 0 {
}
prev := l.root.next
index := 0
for prev.Value != nil {
fmt.Printf("下标index: %d 元素 Element: %d\n", index, prev.Value)
prev = prev.next
index++
}
return
}
func main() {
a := NewLRU()
a.FrontBack("1", 1)
a.FrontBack("2", 2)
a.FrontBack("3", 3)
a.FrontBack("4", 4)
a.FrontBack("5", 5)
a.FrontBack("5", 5)
a.FrontBack("6", 6)
a.FrontBack("7", 7)
a.GetValue("4")
a.PrintlnDList1()
}