简单LRU算法实现缓存
最简单的LRU算法实现,就是利用jdk的LinkedHashMap,覆写其中的removeEldestEntry(Map.Entry)方法即可,如下所示:
- import java.util.ArrayList;
- import java.util.Collection;
- import java.util.LinkedHashMap;
- import java.util.concurrent.locks.Lock;
- import java.util.concurrent.locks.ReentrantLock;
- import java.util.Map;
- /**
- * 类说明:利用LinkedHashMap实现简单的缓存, 必须实现removeEldestEntry方法,具体参见JDK文档
- *
- * @author dennis
- *
- * @param <K>
- * @param <V>
- */
- public class LRULinkedHashMap<K, V> extends LinkedHashMap<K, V> {
- private final int maxCapacity;
- private static final float DEFAULT_LOAD_FACTOR = 0.75f;
- private final Lock lock = new ReentrantLock();
- public LRULinkedHashMap(int maxCapacity) {
- super(maxCapacity, DEFAULT_LOAD_FACTOR, true);
- this.maxCapacity = maxCapacity;
- }
- @Override
- protected boolean removeEldestEntry(java.util.Map.Entry<K, V> eldest) {
- return size() > maxCapacity;
- }
- @Override
- public boolean containsKey(Object key) {
- try {
- lock.lock();
- return super.containsKey(key);
- } finally {
- lock.unlock();
- }
- }
- @Override
- public V get(Object key) {
- try {
- lock.lock();
- return super.get(key);
- } finally {
- lock.unlock();
- }
- }
- @Override
- public V put(K key, V value) {
- try {
- lock.lock();
- return super.put(key, value);
- } finally {
- lock.unlock();
- }
- }
- public int size() {
- try {
- lock.lock();
- return super.size();
- } finally {
- lock.unlock();
- }
- }
- public void clear() {
- try {
- lock.lock();
- super.clear();
- } finally {
- lock.unlock();
- }
- }
- public Collection<Map.Entry<K, V>> getAll() {
- try {
- lock.lock();
- return new ArrayList<Map.Entry<K, V>>(super.entrySet());
- } finally {
- lock.unlock();
- }
- }
- }
如果你去看LinkedHashMap的源码可知,LRU算法是通过双向链表来实现,当某个位置被命中,通过调整链表的指向将该位置调整到头位置,新加入 的内容直接放在链表头,如此一来,最近被命中的内容就向链表头移动,需要替换时,链表最后的位置就是最近最少使用的位置。
LRU算法还可以通过计数来实现,缓存存储的位置附带一个计数器,当命中时将计数器加1,替换时就查找计数最小的位置并替换,结合访问时间戳来实现。这种 算法比较适合缓存数据量较小的场景,显然,遍历查找计数最小位置的时间复杂度为O(n)。我实现了一个,结合了访问时间戳,当最小计数大于 MINI_ACESS时,就移除最久没有被访问的项:
- import java.io.Serializable;
- import java.util.ArrayList;
- import java.util.Collection;
- import java.util.HashMap;
- import java.util.Iterator;
- import java.util.Map;
- import java.util.Set;
- import java.util.concurrent.atomic.AtomicInteger;
- import java.util.concurrent.atomic.AtomicLong;
- import java.util.concurrent.locks.Lock;
- import java.util.concurrent.locks.ReentrantLock;
- /**
- *
- * @author dennis
- * 类说明:当缓存数目不多时,才用缓存计数的传统LRU算法
- * @param <K>
- * @param <V>
- */
- public class LRUCache<K, V> implements Serializable {
- private static final int DEFAULT_CAPACITY = 100;
- protected Map<K, ValueEntry> map;
- private final Lock lock = new ReentrantLock();
- private final transient int maxCapacity;
- private static int MINI_ACCESS = 10;
- public LRUCache() {
- this(DEFAULT_CAPACITY);
- }
- public LRUCache(int capacity) {
- if (capacity <= 0)
- throw new RuntimeException("缓存容量不得小于0");
- this.maxCapacity = capacity;
- this.map = new HashMap<K, ValueEntry>(maxCapacity);
- }
- public boolean ContainsKey(K key) {
- try {
- lock.lock();
- return this.map.containsKey(key);
- } finally {
- lock.unlock();
- }
- }
- public V put(K key, V value) {
- try {
- lock.lock();
- if ((map.size() > maxCapacity - 1) && !map.containsKey(key)) {
- // System.out.println("开始");
- Set<Map.Entry<K, ValueEntry>> entries = this.map.entrySet();
- removeRencentlyLeastAccess(entries);
- }
- ValueEntry valueEntry = map.put(key, new ValueEntry(value));
- if (valueEntry != null)
- return valueEntry.value;
- else
- return null;
- } finally {
- lock.unlock();
- }
- }
- /**
- * 移除最近最少访问
- */
- protected void removeRencentlyLeastAccess(
- Set<Map.Entry<K, ValueEntry>> entries) {
- // 最小使用次数
- int least = 0;
- // 最久没有被访问
- long earliest = 0;
- K toBeRemovedByCount = null;
- K toBeRemovedByTime = null;
- Iterator<Map.Entry<K, ValueEntry>> it = entries.iterator();
- if (it.hasNext()) {
- Map.Entry<K, ValueEntry> valueEntry = it.next();
- least = valueEntry.getValue().count.get();
- toBeRemovedByCount = valueEntry.getKey();
- earliest = valueEntry.getValue().lastAccess.get();
- toBeRemovedByTime = valueEntry.getKey();
- }
- while (it.hasNext()) {
- Map.Entry<K, ValueEntry> valueEntry = it.next();
- if (valueEntry.getValue().count.get() < least) {
- least = valueEntry.getValue().count.get();
- toBeRemovedByCount = valueEntry.getKey();
- }
- if (valueEntry.getValue().lastAccess.get() < earliest) {
- earliest = valueEntry.getValue().count.get();
- toBeRemovedByTime = valueEntry.getKey();
- }
- }
- // System.out.println("remove:" + toBeRemoved);
- // 如果最少使用次数大于MINI_ACCESS,那么移除访问时间最早的项(也就是最久没有被访问的项)
- if (least > MINI_ACCESS) {
- map.remove(toBeRemovedByTime);
- } else {
- map.remove(toBeRemovedByCount);
- }
- }
- public V get(K key) {
- try {
- lock.lock();
- V value = null;
- ValueEntry valueEntry = map.get(key);
- if (valueEntry != null) {
- // 更新访问时间戳
- valueEntry.updateLastAccess();
- // 更新访问次数
- valueEntry.count.incrementAndGet();
- value = valueEntry.value;
- }
- return value;
- } finally {
- lock.unlock();
- }
- }
- public void clear() {
- try {
- lock.lock();
- map.clear();
- } finally {
- lock.unlock();
- }
- }
- public int size() {
- try {
- lock.lock();
- return map.size();
- } finally {
- lock.unlock();
- }
- }
- public Collection<Map.Entry<K, V>> getAll() {
- try {
- lock.lock();
- Set<K> keys = map.keySet();
- Map<K, V> tmp = new HashMap<K, V>();
- for (K key : keys) {
- tmp.put(key, map.get(key).value);
- }
- return new ArrayList<Map.Entry<K, V>>(tmp.entrySet());
- } finally {
- lock.unlock();
- }
- }
- class ValueEntry implements Serializable {
- private V value;
- private AtomicInteger count;
- private AtomicLong lastAccess;
- public ValueEntry(V value) {
- this.value = value;
- this.count = new AtomicInteger(0);
- lastAccess = new AtomicLong(System.nanoTime());
- }
- public void updateLastAccess() {
- this.lastAccess.set(System.nanoTime());
- }
- }
- }
简单LRU算法实现缓存的更多相关文章
- LinkedList实现基于LRU算法的缓存
LinkedList实现基于LRU算法的缓存 2015年08月07日 18:18:45 秦江波 阅读数 2068 文章标签: java算法linkedlist缓存LRU更多 分类专栏: Java ...
- GuavaCache学习笔记一:自定义LRU算法的缓存实现
前言 今天在看GuavaCache缓存相关的源码,这里想到先自己手动实现一个LRU算法.于是乎便想到LinkedHashMap和LinkedList+HashMap, 这里仅仅是作为简单的复习一下. ...
- LinkedHashMap 和 LRU算法实现
个人觉得LinkedHashMap 存在的意义就是为了实现 LRU 算法. public class LinkedHashMap<K,V> extends HashMap<K,V&g ...
- Guava---缓存之LRU算法
随笔 - 169 文章 - 0 评论 - 292 GuavaCache学习笔记一:自定义LRU算法的缓存实现 前言 今天在看GuavaCache缓存相关的源码,这里想到先自己手动实现一个LRU ...
- Android图片缓存之Lru算法
前言: 上篇我们总结了Bitmap的处理,同时对比了各种处理的效率以及对内存占用大小.我们得知一个应用如果使用大量图片就会导致OOM(out of memory),那该如何处理才能近可能的降低oom发 ...
- 缓存淘汰算法--LRU算法
1. LRU1.1. 原理 LRU(Least recently used,最近最少使用)算法根据数据的历史访问记录来进行淘汰数据,其核心思想是"如果数据最近被访问过,那么将来被访问的几率也 ...
- LRU算法 缓存淘汰策略
四种实现方式 LRU 1.1. 原理 LRU(Least recently used,最近最少使用)算法根据数据的历史访问记录来进行淘汰数据,其核心思想是“如果数据最近被访问过,那么将来被访问的几率也 ...
- LRU算法---缓存淘汰算法
计算机中的缓存大小是有限的,如果对所有数据都缓存,肯定是不现实的,所以需要有一种淘汰机制,用于将一些暂时没有用的数据给淘汰掉,以换入新鲜的数据进来,这样可以提高缓存的命中率,减少磁盘访问的次数. LR ...
- 缓存淘汰算法--LRU算法(转)
(转自:http://flychao88.iteye.com/blog/1977653) 1. LRU1.1. 原理 LRU(Least recently used,最近最少使用)算法根据数据的历史访 ...
随机推荐
- SHA-2 Certificate Signing Request
To request an SSL certificate is now a SHA-2 Certificate Signing Request (CSR) is required. Using th ...
- pip报ssl错误解决
InsecurePlatformWarning: A true SSLContext object is not available. # yum -y install openssl-deve ...
- linux:问题
1>.Xshell远程连接linux闲置时间过长会自动中断连接: 2>.在linux环境下乱码: 3>.在linux下面执行mv /bin/ls /root/bin之后执行ls就不能 ...
- bootstrap datetimepicker时间日期控件
github地址:https://github.com/smalot/bootstrap-datetimepicker Both Date and Time picker widget based o ...
- PostgreSQL应用相关问题解决
PostgreSQL中是否区分聚簇索引与非聚簇索引的问题? 答:PostgreSQL中区分聚簇索引与非聚簇索引. 示例如下: 创建聚族索引: CREATE INDEX test_ind ON yy ( ...
- Centos7 安装 Nginx
Nginx有很多版本的,下面我给个链接http://nginx.org/packages/mainline/centos/7/x86_64/RPMS/ 下载对应当前系统版本的nginx包(packag ...
- 【Origin】 破阵子-未可留 征人调
几朝岁月,悠悠,容颜改,两鬓衰,可恨荣光不留! 一生事,忧心畔,可怜惶惶,不拿年岁当缠头: 只把扑朔往往,人生几回首: 等闲识得料峭处,一腔泪流: 曾记否,三十功名尘与土,不可解忧愁: 青春换得明日花 ...
- Python学习总结8:文件模式及操作方法汇总
文件操作之前需要文件保证文件存在,并且将文件open os.mknod("test.txt") 创建空文件 fp = open("test.txt" ...
- Ruby与Python开发的环境IDE配置(附软件的百度云链接)
Ruby开发环境配置 1.Aptana_RadRails(提示功能不好,开发Ruby不推荐) 链接:http://pan.baidu.com/s/1i5q96K1 密码:yt04 2.Aptana S ...
- Envelope对象介绍
Envelope也称包络线,是一个矩形区域,是每个几何形体的最小外接矩形.每个Geometry都拥有一个Envelope,包括Envelope自身. 它定义了XMax,XMin,YMax,YMin,H ...