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~

复制代码
@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
NAGNIP8 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
冬奇Lab9 小时前
一天一个开源项目(第36篇):EverMemOS - 跨 LLM 与平台的长时记忆 OS,让 Agent 会记忆更会推理
人工智能·开源·资讯
冬奇Lab9 小时前
OpenClaw 源码深度解析(一):Gateway——为什么需要一个"中枢"
人工智能·开源·源码阅读
AngelPP13 小时前
OpenClaw 架构深度解析:如何把 AI 助手搬到你的个人设备上
人工智能
宅小年13 小时前
Claude Code 换成了Kimi K2.5后,我再也回不去了
人工智能·ai编程·claude
九狼13 小时前
Flutter URL Scheme 跨平台跳转
人工智能·flutter·github
ZFSS13 小时前
Kimi Chat Completion API 申请及使用
前端·人工智能
天翼云开发者社区14 小时前
春节复工福利就位!天翼云息壤2500万Tokens免费送,全品类大模型一键畅玩!
人工智能·算力服务·息壤
知识浅谈14 小时前
教你如何用 Gemini 将课本图片一键转为精美 PPT
人工智能
Ray Liang15 小时前
被低估的量化版模型,小身材也能干大事
人工智能·ai·ai助手·mindx