LRU (最近最少使用页面置换算法) 的代码实现

不念不忘少年蓝@ 2023-01-17 08:26 134阅读 0赞

**阅读之前推荐先阅读博主关于LinkedHashMap的文章，传送地址：[LinkedHashMap源码分析，基于JDK1.8逐行分析][LinkedHashMap_JDK1.8]**

## LRU算法的实现 ##

### 文章目录 ###

*   *  LRU算法的实现
     *   *  1. 题目描述
         *  2. LRU算法的介绍
         *  3. 数据结构的选择
         *   *  3.1 为什么不使用数组？
             *  3.2 为什么不使用单向链表？
             *  3.3 为什么使用HashMap + 双向链表？
         *  4. 代码实现方式一
         *  5. 代码实现方式二

### 1. 题目描述 ###

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制

实现 LRUmap 类：

*  LRUmap(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
 *  int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1
 *  void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限capacity时，应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间

进阶：是否可以在 O(1) 时间复杂度内完成这两种操作？

### 2. LRU算法的介绍 ###

*  全称为最近最少使用，是一种缓存淘汰策略，也就是说认为最近使用过的数据应该是有用的，很久都没使用过的数据应该是无用的，内存满了就优先删除那些很久没有使用过的数据
 *  对应到数据结构表述的就是最常使用的元素将其移动至头部或尾部，这就会导致很久没有使用过的元素会被动的移动至另一边，最先删除的元素是最久没有被使用过的元素（注意不是使用次数最少的元素，这是LFU算法）
    
     *  get一个元素时算是访问该元素，需要将此元素移动至头部或尾部，表示最近使用过
     *  put一个元素时算是访问该元素，需要将此元素插入到头部或尾部，表示最近使用过

### 3. 数据结构的选择 ###

#### 3.1 为什么不使用数组？ ####

数组查找一个元素的时间复杂度为O(1)，但其删除元素后将元素整体移动的时间复杂度为O(n)，不满足题意

#### 3.2 为什么不使用单向链表？ ####

链表 添加 / 删除 元素的时间复杂度为O(1)，如果删除的是头节点则满足题意

但如果删除的是链表的中间节点，需要保存待删除节点的前一个节点，且遍历到待删除节点的时间复杂度为O(n)，不满足题意

#### 3.3 为什么使用HashMap + 双向链表？ ####

HashMap寻找待删除节点只需要O(1)的时间复杂度

双向链表删除节点不需要遍历找到待删除结点的前一个节点，故删除任意位置的元素时间复杂度都是O(1)

综上所述：使用HashMap寻找节点，使用双向链表 删除 / 移动 节点，可满足时间复杂度为O(1)的要求

整体结构如下图所示：

![image-20210419215308544][]

### 4. 代码实现方式一 ###

将刚刚使用过的元素移动到头部，很久没有使用过的元素移动到尾部

public class LRUCache { 
    
        //双向链表的节点
        class DLinkedNode { 
            int key;
            int value;
            DLinkedNode prev;
            DLinkedNode next;
            public DLinkedNode() { }
            public DLinkedNode(int _key, int _value) { key = _key; value = _value;}
        }
    
        private Map<Integer, DLinkedNode> map = new HashMap<Integer, DLinkedNode>();
        private int size; //实际元素个数
        private int capacity; //容量
        private DLinkedNode head, tail;
    
        //构造器
        public LRUCache(int capacity) { 
            this.size = 0;
            this.capacity = capacity;
            //使用伪头部、伪尾部节点
            head = new DLinkedNode(); //伪头部节点是第一个节点的前一个节点
            tail = new DLinkedNode(); //伪尾部节点是最后一个节点的后一个节点
            head.next = tail;
            tail.prev = head;
        }
    
        //get方法
        public int get(int key) { 
            DLinkedNode node = map.get(key);
            if (node == null) { 
                return -1;
            }
            //如果key存在，先通过HashMap定位，再移到头部
            moveToHead(node);
            return node.value;
        }
    
        //put方法
        public void put(int key, int value) { 
            DLinkedNode node = map.get(key);
            if (node == null) { 
                //如果key不存在，创建一个新的节点
                DLinkedNode newNode = new DLinkedNode(key, value);
                //添加进哈希表
                map.put(key, newNode);
                //添加至双向链表的头部
                addToHead(newNode);
                ++size;
                if (size > capacity) { 
                    //如果元素个数超出容量，删除双向链表的尾节点
                    DLinkedNode tail = removeTail();
                    //删除哈希表中对应的项
                    map.remove(tail.key);
                    --size;
                }
            }
            else { 
                //如果key存在，先通过HashMap定位，再修改value并移到头部
                node.value = value;
                moveToHead(node);
            }
        }
    
        //将节点移动至头部
        private void moveToHead(DLinkedNode node) { 
            removeNode(node); //将此节点从链表断开
            addToHead(node); //将断开的节点移动至头部
        }
    
        //将节点从链表断开
        private void removeNode(DLinkedNode node) { 
            node.prev.next = node.next;
            node.next.prev = node.prev;
        }
    
        //将节点移动至头部
        private void addToHead(DLinkedNode node) { 
            node.prev = head; //伪头部节点成为此节点的前一个节点
            node.next = head.next; //原来的第一个节点成为此节点的后一个节点
            head.next.prev = node; //原来的第一个节点向前的指针指向此节点
            head.next = node; //此节点成为伪头部节点的后一个节点
        }
    
        //删除链表的尾节点
        private DLinkedNode removeTail() { 
            DLinkedNode res = tail.prev; //删除的其实是伪尾部的前一个节点
            removeNode(res);
            return res;
        }
    }

### 5. 代码实现方式二 ###

通过LinkedHashMap的源码讲解，自定义LRU缓存可以使用现有的LinkedHashMap，通过制定移除策略、调用 `getOrDefault` 方法未找到元素时返回 -1 即可，代码如下：

class LRUCache extends LinkedHashMap<Integer, Integer>{ 
        
        //容量
        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); //未找到元素时返回-1
        }
    
        //自带的put方法可满足要求，无需改写
        public void put(int key, int value) { 
            super.put(key, value);
        }
    
        //制定移除策略
        @Override
        protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) { 
            return size() > capacity; 
        }
    }

[LinkedHashMap_JDK1.8]: https://blog.csdn.net/weixin_49343190/article/details/116187104
[image-20210419215308544]: /images/20221021/5f02ff3d855f4bdc91ca698c9e992490.png