LRU、LFU算法java实现
来源:互联网 发布:mac打开文件夹 编辑:程序博客网 时间:2024/06/10 08:51
近期使用springboot集成ehcache实现缓存,spring还支持使用简单ConcurrentMapCache实现,底层就是用ConcurrentHashMap实现。ehcache相对来说比较重,加pom依赖下载了很长时间,但是ehcache有很多可配置的选项,其中包括缓存达到一定大小淘汰的算法的选择。包括了FIFO、LRU、LFU可以根据不同的业务场景选择。
一、LRU的实现比较简单,因为java中的LinkedHashMap有很多特点正好适合LRU的思想。LRU(least recently used)最近最少使用,首先淘汰最长时间未被使用的页面。使用链表实现,当一个元素被访问了,把元素移动到链表的顶端,插入新元素也放到顶端,当缓存数量到达限制,直接从链表底端移除元素。
public class LRU<k, v> extends LinkedHashMap<k, v> { private final int MAX_SIZE; public LRU(int capcity) { super(8, 0.75f,true); this.MAX_SIZE = capcity; } @Override public boolean removeEldestEntry(Map.Entry<k, v> eldest) { if (size() > MAX_SIZE) { System.out.println("移除的元素为:" + eldest.getValue()); } return size() > MAX_SIZE; } public static void main(String[] args) { Map<Integer, Integer> map = new LRU<>(5); for (int i = 1; i <= 11; i++) { map.put(i, i); System.out.println("cache的容量为:" + map.size()); if (i == 4) { map.get(1); } } System.out.println("=-=-=-=-=-=-=-map元素:"); map.entrySet().forEach(integerIntegerEntry -> System.out.println(integerIntegerEntry.getValue())); }}
LinkedHashMap有一个accessOrder的参数正好和LRU的思路相契合,这里使用0.75的默认加载因子(加载因子过小空间利用率低,冲突减少,访问速度快,加载因子过大,反之。加载因子过大,当执行put操作,两个对象的hashcode相同时要操作链表,相应的get操作是也要操作链表,这样就使得访问变慢。)
removeEldestEntry方法当结果返回为true时,它会清除map中的最老元素。以实现LRU的算法。
运行结果为:
cache的容量为:1cache的容量为:2cache的容量为:3cache的容量为:4cache的容量为:5移除的元素为:2cache的容量为:5移除的元素为:3cache的容量为:5移除的元素为:4cache的容量为:5移除的元素为:1cache的容量为:5移除的元素为:5cache的容量为:5移除的元素为:6cache的容量为:5=-=-=-=-=-=-=-map元素:7891011
代码里面为了测试,在加入元素4的时候,访问了一下元素1,然后看到,在缓存达到限制时,最先移除的不是1,而是2,3然后是1。
二、LFU(Least Frequently Used)淘汰一定时期内被访问次数最少的元素。如果元素的一定时间内的访问次数相同时,则比较他们的最新一次的访问时间。
public class LFU<k, v> { private final int capcity; private Map<k, v> cache = new HashMap<>(); private Map<k, HitRate> count = new HashMap<>(); public LFU(int capcity) { this.capcity = capcity; } public void put(k key, v value) { v v = cache.get(key); if (v == null) { if (cache.size() == capcity) { removeElement(); } count.put(key, new HitRate(key, 1, System.nanoTime())); } else { addHitCount(key); } cache.put(key, value); } public v get(k key) { v value = cache.get(key); if (value != null) { addHitCount(key); return value; } return null; } //移除元素 private void removeElement() { HitRate hr = Collections.min(count.values()); cache.remove(hr.key); count.remove(hr.key); } //更新访问元素状态 private void addHitCount(k key) { HitRate hitRate = count.get(key); hitRate.hitCount = hitRate.hitCount + 1; hitRate.lastTime = System.nanoTime(); } //内部类 class HitRate implements Comparable<HitRate> { private k key; private int hitCount; private long lastTime; private HitRate(k key, int hitCount, long lastTime) { this.key = key; this.hitCount = hitCount; this.lastTime = lastTime; } @Override public int compareTo(HitRate o) { int compare = Integer.compare(this.hitCount, o.hitCount); return compare == 0 ? Long.compare(this.lastTime, o.lastTime) : compare; } } public static void main(String[] args) { LFU<Integer, Integer> cache = new LFU<>(3); cache.put(2, 2); cache.put(1, 1); System.out.println(cache.get(2)); System.out.println(cache.get(1)); System.out.println(cache.get(2)); cache.put(3, 3); cache.put(4, 4); //1、2元素都有访问次数,放入3后缓存满,加入4时淘汰3 System.out.println(cache.get(3)); System.out.println(cache.get(2)); //System.out.println(cache.get(1)); System.out.println(cache.get(4)); cache.put(5, 5); //目前2访问2次,1访问一次,4访问一次,由于4的时间比较新,放入5的时候移除1元素。 System.out.println("-=-=-=-"); cache.cache.entrySet().forEach(entry -> { System.out.println(entry.getValue()); }); }}
这里实现略微复杂,首先要维持一个缓存的map还要维持一个访问次数以及时间的map。
1、首先内部类有3个属性,有缓存的key,缓存的访问次数,最近一次的访问时间。内部实现比较器,按照先访问次数后时间的比较顺序。整个类作为对象放在一个hashmap的value里。
2、put方法:当一个元素要放入缓存的时候,先去缓存检查是否有相同的key,也就是要填加的(key,value)在cache的map里get(key)是否为空。这里不用检查value是否有相同的,标识一个缓存的唯一性是key,key不同就是一个不同的缓存元素。
当get(key)为空时,要放入缓存新元素了,首先检查缓存的容量是否达到限制值,达到了,执行移除一个元素的方法,然后在count的map里加入相应的访问信息,初始值为1。如果没达到限制值,直接在count的map里加入相应的访问信息,初始值为1。
当get(key)不为空直接执行addHitCount方法。将访问次数加1,更新最新访问时间。
最后不管什么情况,执行map.put方法。
运行结果:
212null24-=-=-=-245
开始加入1,2,访问1,一次2两次。加入3,在加入4.发现缓存元素为124.原因是1,2都有访问次数,3和4在时间上,比较古老,会被淘汰。
两种实现方法是在各大博客上学习后,理解后,自己小小的改造了一下所总结,谢谢各位大神。
- LRU、LFU算法java实现
- java实现页面替换算法(LRU、LFU、FIFO)
- LRU 与 LFU 算法
- LRU与LFU调度算法
- 淘汰算法LRU与LFU
- LRU、LFU、FIFO算法总结
- 缓存之LRU、LFU算法
- 简单的java缓存实现(LRU,LFU,FIFO)
- java动态缓存成长小纪(二)——缓存算法的实现:LRU、LFU、FIFO
- OPT算法,FIFO算法,LRU算法,LFU算法的java程序
- LRU算法 java实现
- LRU java算法实现
- Java实现LRU算法
- FIFO 、LRU、LFU三种算法
- FIFO 、LRU、LFU三种算法
- FIFO 、LRU、LFU三种算法
- 缓存淘汰算法 LFU and LRU
- 几种缺页中断算法(FIFO,LRU与LFU)的实现过程
- HDU-2037
- 最大子列和问题
- 【枚举算法】枚举法概念
- spring中各个模块的作用
- a letter and a number
- LRU、LFU算法java实现
- POJ 1260.Pearls
- 使用git pull文件时和本地文件冲突怎么办
- 习题6(6.12)
- c#:与定时器有关的动画效果
- Maximum Subsequence Sum
- C语言也可以“面向对象”
- 11、TensorFLow 中的参数学习算法
- Ubuntu安装jdk tar gz的方法