写点什么

手写一个 LRU 缓存淘汰算法

用户头像
Simon郎
关注
发布于: 2021 年 03 月 01 日
手写一个LRU缓存淘汰算法

背景

在我们这个日益追求高效的世界,我们对任何事情的等待都显得十分的浮躁,网页页面刷新不出来,好烦,电脑打开运行程序慢,又是好烦!那怎么办,技术的产生不就是我们所服务么,今天我们就聊一聊缓存这个技术,并使用我们熟知的数据结构--用链表实现LRU缓存淘汰算法

在学习如何使用链表实现 LRU 缓存淘汰算法前,我们先提出几个问题,大家好好思考下,问题如下:

  • 什么是缓存,缓存的作用?

  • 缓存的淘汰策略有哪些?

  • 如何使用链表实现 LRU 缓存淘汰算法,有什么特点,如何优化?

好了,我们带着上面的问题来学进行下面的学习。

1、什么是缓存,缓存的作用是什么?

缓存可以简单的理解为保存数据的一个副本,以便于后续能够快速的进行访问。以计算机的使用场景为例,当 cpu 要访问内存中的一条数据时,它会先在缓存里查找,如果能够找到则直接使用,如果没找到,则需要去内存里查找;

同样的,在数据库的访问场景中,当项目系统需要查询数据库中的某条数据时,可以先让请求查询缓存,如果命中,就直接返回缓存的结果,如果没有命中,就查询数据库, 并将查询结果放入缓存,下次请求时查询缓存命中,直接返回结果,就不用再次查询数据库。

通过以上两个例子,我们发现无论在哪种场景下,都存在这样一个顺序:先缓存,后内存先缓存,后数据库。但是缓存的存在也占用了一部分内存空间,所以缓存是典型的以空间换时间,牺牲数据的实时性,却满足计算机运行的高效性

仔细想一下,我们日常开发中遇到缓存的例子还挺多的。

  • 操作系统的缓存

减少与磁盘的交互

  • 数据库缓存

减少对数据库的查询

  • Web 服务器缓存

减少对应用服务器的请求

  • 客户浏览器的缓存

减少对网站的访问

2、缓存有哪些淘汰策略?

缓存的本质是以空间换时间,那么缓存的容量大小肯定是有限的,当缓存被占满时,缓存中的那些数据应该被清理出去,那些数据应该被保留呢?这就需要缓存的淘汰策略来决定。

事实上,常用的缓存的淘汰策略有三种:先进先出算法(First in First out FIFO);淘汰一定时期内被访问次数最少的页面(Least Frequently Used LFU);淘汰最长时间未被使用的页面(Least Recently Used LRU)

这些算法在不同层次的缓存上执行时具有不同的效率,需要结合具体的场景来选择。

2.1 FIFO 算法

FIFO算法即先进先出算法,常采用队列实现。在缓存中,它的设计原则是:如果一个数据最先进入缓存中,则应该最早淘汰掉


  • 新访问的数据插入 FIFO 队列的尾部,队列中数据由队到队头按顺序顺序移动

  • 队列满时,删除队头的数据

2.2 LRU 算法

LRU算法是根据对数据的历史访问次数来进行淘汰数据的,通常使用链表来实现。在缓存中,它的设计原则是:如果数据最近被访问过,那么将来它被访问的几率也很高。


  • 新加入的数据插入到链表的头部

  • 每当缓存命中时(即缓存数据被访问),则将数据移到链表头部

  • 当来链表已满的时候,将链表尾部的数据丢弃

2.3 LFU 算法

LFU算法是根据数据的历史访问频率来淘汰数据,因此,LFU 算法中的每个数据块都有一个引用计数,所有数据块按照引用计数排序,具有相同引用计数的数据块则按照时间排序。在缓存中,它的设计原则是:如果数据被访问多次,那么将来它的访问频率也会更高


  • 新加入数据插入到队列尾部(引用计数为 1;

  • 队列中的数据被访问后,引用计数增加,队列重新排序;

  • 当需要淘汰数据时,将已经排序的列表最后的数据块删除。

3、如何使用链表实现缓存淘汰,有什么特点,如何优化?

在上面的文章中我们理解了缓存的概念淘汰策略,其中LRU算法是笔试/面试中考察比较频繁的,我秋招的时候,很多公司都让我手写了这个算法,为了避免大家采坑,下面,我们就手写一个 LRU 缓存淘汰算法。

我们都知道链表的形式不止一种,我们应该选择哪一种呢?

思考三分钟........

好了,公布答案!

事实上,链表按照不同的连接结构可以划分为单链表循环链表双向链表

  • 单链表

  • 每个节点只包含一个指针,即后继指针。

  • 单链表有两个特殊的节点,即首节点和尾节点,用首节点地址表示整条链表,尾节点的后继指针指向空地址 null。

  • 性能特点:插入和删除节点的时间复杂度为 O(1),查找的时间复杂度为 O(n)。

  • 循环链表

  • 除了尾节点的后继指针指向首节点的地址外均与单链表一致。

  • 适用于存储有循环特点的数据,比如约瑟夫问题。

  • 双向链表

  • 节点除了存储数据外,还有两个指针分别指向前一个节点地址(前驱指针 prev)和下一个节点地址(后继指针 next)

  • 首节点的前驱指针 prev 和尾节点的后继指针均指向空地址。

双向链表相较于单链表的一大优势在于:找到前驱节点的时间复杂度为 O(1),而单链表只能从头节点慢慢往下找,所以仍然是 O(n).而且,对于插入和删除也是有优化的。

我们可能会有问题:单链表的插入删除不是 O(1)吗?

是的,但是一般情况下,我们想要进行插入删除操作,很多时候还是得先进行查找,再插入或者删除,可见其实是先 O(n),再 O(1)。

不熟悉链表解题的同学可以先看看我的上一篇算法解析文章刷了LeetCode链表专题,我发现了一个秘密

因为我们需要删除操作,删除一个节点不仅要得到该节点本身的指针,也需要操作其它前驱节点的指针,而双向链表能够直接找到前驱,保证了操作时间复杂度为 O(1),因此使用双向链表作为实现 LRU 缓存淘汰算法的结构会更高效。

算法思路

维护一个双向链表,保存所有缓存的值,并且最老的值放在链表最后面。

  • 当访问的值在链表中时: 将找到链表中值将其删除,并重新在链表头添加该值(保证链表中 数值的顺序是从新到旧)

  • 当访问的值不在链表中时: 当链表已满:删除链表最后一个值,将要添加的值放在链表头 当链表未满:直接在链表头添加

3.1 LRU 缓存淘汰算法

极客时间王争的《数据结构与算法之美》给出了一个使用有序单链表实现 LRU 缓存淘汰算法,代码如下:

javapublic class LRUBaseLinkedList<T> {
/** * 默认链表容量 */ private final static Integer DEFAULT_CAPACITY = 10;
/** * 头结点 */ private SNode<T> headNode;
/** * 链表长度 */ private Integer length;
/** * 链表容量 */ private Integer capacity;
public LRUBaseLinkedList() { this.headNode = new SNode<>(); this.capacity = DEFAULT_CAPACITY; this.length = 0; }
public LRUBaseLinkedList(Integer capacity) { this.headNode = new SNode<>(); this.capacity = capacity; this.length = 0; }
public void add(T data) { SNode preNode = findPreNode(data);
// 链表中存在,删除原数据,再插入到链表的头部 if (preNode != null) { deleteElemOptim(preNode); intsertElemAtBegin(data); } else { if (length >= this.capacity) { //删除尾结点 deleteElemAtEnd(); } intsertElemAtBegin(data); } }
/** * 删除preNode结点下一个元素 * * @param preNode */ private void deleteElemOptim(SNode preNode) { SNode temp = preNode.getNext(); preNode.setNext(temp.getNext()); temp = null; length--; }
/** * 链表头部插入节点 * * @param data */ private void intsertElemAtBegin(T data) { SNode next = headNode.getNext(); headNode.setNext(new SNode(data, next)); length++; }
/** * 获取查找到元素的前一个结点 * * @param data * @return */ private SNode findPreNode(T data) { SNode node = headNode; while (node.getNext() != null) { if (data.equals(node.getNext().getElement())) { return node; } node = node.getNext(); } return null; }
/** * 删除尾结点 */ private void deleteElemAtEnd() { SNode ptr = headNode; // 空链表直接返回 if (ptr.getNext() == null) { return; }
// 倒数第二个结点 while (ptr.getNext().getNext() != null) { ptr = ptr.getNext(); }
SNode tmp = ptr.getNext(); ptr.setNext(null); tmp = null; length--; }
private void printAll() { SNode node = headNode.getNext(); while (node != null) { System.out.print(node.getElement() + ","); node = node.getNext(); } System.out.println(); }
public class SNode<T> {
private T element;
private SNode next;
public SNode(T element) { this.element = element; }
public SNode(T element, SNode next) { this.element = element; this.next = next; }
public SNode() { this.next = null; }
public T getElement() { return element; }
public void setElement(T element) { this.element = element; }
public SNode getNext() { return next; }
public void setNext(SNode next) { this.next = next; } }
public static void main(String[] args) { LRUBaseLinkedList list = new LRUBaseLinkedList(); Scanner sc = new Scanner(System.in); while (true) { list.add(sc.nextInt()); list.printAll(); } }}
复制代码


这段代码不管缓存有没有满,都需要遍历一遍链表,所以这种基于链表的实现思路,缓存访问的时间复杂度为 O(n)。

3.2 使用哈希表优化 LRU

事实上,这个思路还可以继续优化,我们可以把单链表换成双向链表,并引入散列表

  • 双向链表支持查找前驱,保证操作的时间复杂度为 O(1)

  • 引入散列表记录每个数据的位置,将缓存访问的时间复杂度降到 O(1)

哈希表查找较快,但是数据无固定的顺序;链表倒是有顺序之分。插入、删除较快,但是查找较慢。将它们结合,就可以形成一种新的数据结构--哈希链表(LinkedHashMap)

image-20210227203448255

力扣上 146 题-LRU 缓存机制刚好可以拿来练手,题图如下:

题目:

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 LRUCache 类:

LRUCache(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时,它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。

思路:

我们的思路就是哈希表+双向链表

  • 哈希表用于满足题目时间复杂度 O(1)的要求,双向链表用于存储顺序

  • 哈希表键值类型:<Integer, ListNode>,哈希表的键用于存储输入的 key,哈希表的值用于存储双向链表的节点

  • 双向链表的节点中除了 value 外还需要包含 key,因为在删除最久未使用的数据时,需要通过链表来定位 hashmap 中应当删除的键值对

  • 一些操作:双向链表中,在后面的节点表示被最近访问

  • 新加入的节点放在链表末尾,addNodeToLast(node)

  • 若容量达到上限,去除最久未使用的数据,removeNode(head.next)

  • 若数据新被访问过,比如被 get 了或被 put 了新值,把该节点挪到链表末尾,moveNodeToLast(node)

  • 为了操作的方便,在双向链表头和尾分别定义一个 head 和 tail 节点。

代码

javaclass LRUCache {    private int capacity;    private HashMap<Integer, ListNode> hashmap;     private ListNode head;    private ListNode tail;
private class ListNode{ int key; int val; ListNode prev; ListNode next; public ListNode(){ } public ListNode(int key, int val){ this.key = key; this.val = val; } }
public LRUCache(int capacity) { this.capacity = capacity; hashmap = new HashMap<>(); head = new ListNode(); tail = new ListNode(); head.next = tail; tail.prev = head; }
private void removeNode(ListNode node){ node.prev.next = node.next; node.next.prev = node.prev; }
private void addNodeToLast(ListNode node){ node.prev = tail.prev; node.prev.next = node; node.next = tail; tail.prev= node; }
private void moveNodeToLast(ListNode node){ removeNode(node); addNodeToLast(node); } public int get(int key) { if(hashmap.containsKey(key)){ ListNode node = hashmap.get(key); moveNodeToLast(node); return node.val; }else{ return -1; } } public void put(int key, int value) { if(hashmap.containsKey(key)){ ListNode node = hashmap.get(key); node.val = value; moveNodeToLast(node); return; } if(hashmap.size() == capacity){ hashmap.remove(head.next.key); removeNode(head.next); }
ListNode node = new ListNode(key, value); hashmap.put(key, node); addNodeToLast(node); }}
复制代码


巨人的肩膀

[1]数据结构与算法之美-王争

[2]力扣-LRU 缓存机制(146 题)

[3]https://blog.csdn.net/yangpl_tale/article/details/44998423

[4]https://leetcode-cn.com/problems/lru-cache/solution/146-lru-huan-cun-ji-zhi-ha-xi-biao-shuan-l3um/


发布于: 2021 年 03 月 01 日阅读数: 34
用户头像

Simon郎

关注

自学;制学;博学 2019.10.09 加入

公众号:小郎码知答

评论 (1 条评论)

发布
用户头像
欢迎大家阅读,你我共同进步!
2021 年 03 月 02 日 11:27
回复
没有更多了
手写一个LRU缓存淘汰算法