Java中LRU的简单实现

LRU(Least Recently Used)：全称为最新最少使用算法(或最久未使用算法)。它是一种算法思想：如果一个数据在最近一段时间没有被访问到，那么在将来它被访问的可能性也很小。也就是说，当限定的空间已存满数据时，应当把最久没有被访问到的数据淘汰。这种思想在很多场景中被使用到（操作系统中缓存文件置换机制中将LRU作为一种替换策略），也是面试中的“常客”（leetcode146题：LRU 缓存机制）。

简单分析：

通过上述介绍，我们很容易理解LRU的核心思想。我们自己实现LRU算法，最重要的是实现如何访问数据（get()方法）和添加数据(put()方法)的方法。我们可参考上述leetcode要求，实现这两个 API，一个是 put(key, val) 方法存入键值对，另一个是 get(key) 方法获取 key 对应的 val，如果 key 不存在则返回 -1。

  1. 缓存中的元素(键值对)必须有时序，以区分最近使用的和久未使用的数据，当容量满了之后要删除最久未使用的那个元素腾位置。
  2. 我们要在缓存的元素中快速找某个 key 是否已存在并得到对应的 val；
  3. 每次访问某个 key，需要将这个元素变为最近使用的。同样，插入某个元素也应该将这个元素变为最近使用的。

什么数据结构同时符合上述条件呢？哈希表查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢。所以结合一下，形成一种新的数据结构：哈希链表 LinkedHashMap。

LinkedHashMap

LinkedHashMap继承于HashMap,HashMap是无序的，当我们希望有顺序地去存储或遍历key-value时，就需要使用LinkedHashMap了。
LinkedHashMap提供了5种构造函数，以适应不同的应用场景：

//初始化容量和负载因子方式
	public LinkedHashMap(int initialCapacity, float loadFactor) {...}  
	//初始化容量方式
	public LinkedHashMap(int initialCapacity) {...}	
	//默认参数初始化方式（初始化容量16，负载因子0.75）
	public LinkedHashMap() {...}	
	//Map初始化方式
	public LinkedHashMap(Map<? extends K, ? extends V> m) {...}	
	//初始化容量、负载因子和访问顺序方式（accessOrder默认为false表示按插入顺序，true表示按访问顺序）
	public LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder) {...}

在实现LRU时，可采用第五种构造函数，将accessOrder设置为true表示按照访问顺序来满足我们的需要。值得一提的是，一般而言LRU是存在大小限制的。当目前的元素已经达到了LRU的最大存储空间，再继续添加元素，则需要将原存储的最不常使用的元素删除以腾出空间。这里LinkedHashMap类中也有这一函数：

protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
        return false;
    }

由于原removeEldestEntry()函数默认返回false,即不进行最不常使用的元素删除。对应到我们的LRU中，我们需要考虑对这一函数进行重写：即当前的存储元素个数大于初始化容量时，该函数返回true表示需要进行删除操作；否则不进行删除操作。

@Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        if(size() > capacity){
            return true;
        }
        return false;
    }

LRU的简单实现（Java）

实现代码
import java.util.*;

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

    public LRU(int initialCapacity, float loadFactor, boolean accessOrder) {
        super(initialCapacity, loadFactor, accessOrder);
        this.capacity = initialCapacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        if(size() > capacity){
            return true;
        }
        return false;
    }


    public static void main(String[] args) {
        LRU<Character, Integer> lru = new LRU<Character, Integer>(8, 0.75f, true);
        String s = "shuangmuchenglin";
        for (int i = 0; i < s.length(); i++) {
            lru.put(s.charAt(i), i);
        }
        System.out.println("LRU中key为n的Entry的值为： " + lru.get('n'));
        System.out.println("LRU中key为g的Entry的值为： " + lru.get('g'));
        System.out.println("LRU的元素个数 ：" + lru.size());
        System.out.println("LRU ：" + lru);
        Iterator iter = lru.entrySet().iterator();//迭代遍历LinkedHashMap,输出键值对(Map迭代输出)
//        Iterator iter = lru.keySet().iterator();//迭代遍历LinkedHashMap,输出键(Set迭代输出)
//        Iterator iter = lru.values().iterator();//迭代遍历LinkedHashMap,输出值(Collection迭代输出)
        while (iter.hasNext()){
            System.out.println(iter.next());
        }
    }
}
运行结果
LRU中key为n的Entry的值为： 15
LRU中key为g的Entry的值为： 12
LRU的元素个数 ：8
LRU ：{u=7, c=8, h=9, e=10, l=13, i=14, n=15, g=12}
u=7
c=8
h=9
e=10
l=13
i=14
n=15
g=12

Process finished with exit code 0