Java使用泛型写一个LRU缓存

2024年10月NJSD技术盛典暨第十届NJSD软件开发者大会、第八届IAS互联网架构大会在南京召开。百度文心快码总经理臧志分享了《AI原生研发新范式的实践与思考》,探讨了大模型赋能下的研发变革及如何在公司和行业中落地,AI原生研发新范式的内涵和推动经验。

👉点击阅读文章完整内容

👉点击即可下载《百度AI原生研发新范式实践》完整资料

🔍【大厂面试真题】系列,带你攻克大厂面试真题,秒变offer收割机!

❓今日问题:Java使用泛型写一个LRU缓存

❤️一起看看文心快码Baidu Comate给出的答案吧!如果这个问题你也会,也可以在评论区写出你的答案哦~

@comate

在Java中,使用泛型和LinkedHashMap类可以很容易地实现一个LRU(最近最少使用)缓存。下面是一个简单的示例,展示如何使用泛型和LinkedHashMap来创建一个LRU缓存类:
import java.util.LinkedHashMap;
import java.util.Map;

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

    public LRUCache(int capacity) {
        // 第三个参数true表示让LinkedHashMap按照访问顺序来进行排序,最近访问的放在头部,最老访问的放在尾部。
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        // 当map中的数据量大于指定的缓存个数的时候,就自动删除最老的数据。
        return size() > capacity;
    }
}

这个LRUCache类继承自LinkedHashMap,并重写了removeEldestEntry方法。当LinkedHashMap中的元素数量超过指定的容量时,removeEldestEntry方法会被调用,从而删除最老的元素(即最近最少使用的元素)。

你可以这样使用这个LRU缓存:
public static void main(String[] args) {
    LRUCache<Integer, String> cache = new LRUCache<>(3);
    cache.put(1, "one");
    cache.put(2, "two");
    cache.put(3, "three");
    System.out.println(cache.keySet()); // 输出 [3, 2, 1]
    cache.get(1);
    System.out.println(cache.keySet()); // 输出 [1, 3, 2]
    cache.put(4, "four"); // 此时会移除键为2的条目
    System.out.println(cache.keySet()); // 输出 [4, 1, 3]
}
这个示例创建了一个容量为3的LRU缓存,并演示了如何添加、获取和移除元素。注意,当缓存达到其容量限制时,最近最少使用的元素将被自动移除。
相关推荐
袁庭新11 分钟前
安装luasocket模块时提示“sudo: luarocks:找不到命令“问题,该如何解决?
java·人工智能·ai·aigc·lua·luarocks·袁庭新
wjs202413 分钟前
Eclipse 任务管理
开发语言
froginwe1115 分钟前
Eclipse 首选项(Preferences) 深入解析
开发语言
编码小袁1 小时前
PHP:通往动态Web开发世界的桥梁
开发语言·前端·php
翔云API4 小时前
PHP开发示例-vin码识别接口-引领汽车行业数字化新风向
开发语言·php
ac-er88884 小时前
如何对PHP的API接口权限认证
开发语言·php
菜鸟、小高4 小时前
从0开始学PHP面向对象内容之(常用魔术方法续一)
开发语言·php
yezipi耶不耶4 小时前
Rust 所有权机制
开发语言·后端·rust
说私域4 小时前
私域流量圈层在新消费时代的机遇与挑战:兼论开源 AI 智能名片、2 + 1 链动模式、S2B2C 商城小程序的应用
人工智能·小程序
小森( ﹡ˆoˆ﹡ )4 小时前
词嵌入方法(Word Embedding)
人工智能·机器学习·自然语言处理·nlp·word·embedding