首页 > 代码库 > 转: LRU缓存介绍与实现 (Java)

转: LRU缓存介绍与实现 (Java)

引子:

我们平时总会有一个电话本记录所有朋友的电话,但是,如果有朋友经常联系,那些朋友的电话号码不用翻电话本我们也能记住,但是,如果长时间没有联系了,要再次联系那位朋友的时候,我们又不得不求助电话本,但是,通过电话本查找还是很费时间的。但是,我们大脑能够记住的东西是一定的,我们只能记住自己最熟悉的,而长时间不熟悉的自然就忘记了。

其实,计算机也用到了同样的一个概念,我们用缓存来存放以前读取的数据,而不是直接丢掉,这样,再次读取的时候,可以直接在缓存里面取,而不用再重新查找一遍,这样系统的反应能力会有很大提高。但是,当我们读取的个数特别大的时候,我们不可能把所有已经读取的数据都放在缓存里,毕竟内存大小是一定的,我们一般把最近常读取的放在缓存里(相当于我们把最近联系的朋友的姓名和电话放在大脑里一样)。现在,我们就来研究这样一种缓存机制。

LRU缓存:

LRU缓存利用了这样的一种思想。LRU是Least Recently Used 的缩写,翻译过来就是“最近最少使用”,也就是说,LRU缓存把最近最少使用的数据移除,让给最新读取的数据。而往往最常读取的,也是读取次数最多的,所以,利用LRU缓存,我们能够提高系统的performance.

实现:

要实现LRU缓存,我们首先要用到一个类 LinkedHashMap。 用这个类有两大好处:一是它本身已经实现了按照访问顺序的存储,也就是说,最近读取的会放在最前面,最最不常读取的会放在最后(当然,它也可以实现按照插入顺序存储)。第二,LinkedHashMap本身有一个方法用于判断是否需要移除最不常读取的数,但是,原始方法默认不需要移除(这是,LinkedHashMap相当于一个linkedlist),所以,我们需要override这样一个方法,使得当缓存里存放的数据个数超过规定个数后,就把最不常用的移除掉。LinkedHashMap的API写得很清楚,推荐大家可以先读一下。

要基于LinkedHashMap来实现LRU缓存,我们可以选择inheritance, 也可以选择 delegation, 我更喜欢delegation。基于delegation的实现已经有人写出来了,而且写得很漂亮,我就不班门弄斧了。代码如下:

import java.util.LinkedHashMap;import java.util.Collection;import java.util.Map;import java.util.ArrayList;/*** An LRU cache, based on <code>LinkedHashMap</code>.** <p>* This cache has a fixed maximum number of elements (<code>cacheSize</code>).* If the cache is full and another entry is added, the LRU (least recently used) entry is dropped.** <p>* This class is thread-safe. All methods of this class are synchronized.** <p>* Author: Christian d‘Heureuse, Inventec Informatik AG, Zurich, Switzerland<br>* Multi-licensed: EPL / LGPL / GPL / AL / BSD.*/public class LRUCache<K,V> {private static final float   hashTableLoadFactor = 0.75f;private LinkedHashMap<K,V>   map;private int                  cacheSize;/*** Creates a new LRU cache.* @param cacheSize the maximum number of entries that will be kept in this cache.*/public LRUCache (int cacheSize) {   this.cacheSize = cacheSize;   int hashTableCapacity = (int)Math.ceil(cacheSize / hashTableLoadFactor) + 1;   map = new LinkedHashMap<K,V>(hashTableCapacity, hashTableLoadFactor, true) {      // (an anonymous inner class)      private static final long serialVersionUID = 1;      @Override protected boolean removeEldestEntry (Map.Entry<K,V> eldest) {         return size() > LRUCache.this.cacheSize; }}; }/*** Retrieves an entry from the cache.<br>* The retrieved entry becomes the MRU (most recently used) entry.* @param key the key whose associated value is to be returned.* @return    the value associated to this key, or null if no value with this key exists in the cache.*/public synchronized V get (K key) {   return map.get(key); }/*** Adds an entry to this cache.* The new entry becomes the MRU (most recently used) entry.* If an entry with the specified key already exists in the cache, it is replaced by the new entry.* If the cache is full, the LRU (least recently used) entry is removed from the cache.* @param key    the key with which the specified value is to be associated.* @param value  a value to be associated with the specified key.*/public synchronized void put (K key, V value) {   map.put (key, value); }/*** Clears the cache.*/public synchronized void clear() {   map.clear(); }/*** Returns the number of used entries in the cache.* @return the number of entries currently in the cache.*/public synchronized int usedEntries() {   return map.size(); }/*** Returns a <code>Collection</code> that contains a copy of all cache entries.* @return a <code>Collection</code> with a copy of the cache content.*/public synchronized Collection<Map.Entry<K,V>> getAll() {   return new ArrayList<Map.Entry<K,V>>(map.entrySet()); }} // end class LRUCache------------------------------------------------------------------------------------------// Test routine for the LRUCache class.public static void main (String[] args) {   LRUCache<String,String> c = new LRUCache<String, String>(3);   c.put ("1", "one");                           // 1   c.put ("2", "two");                           // 2 1   c.put ("3", "three");                         // 3 2 1   c.put ("4", "four");                          // 4 3 2   if (c.get("2") == null) throw new Error();    // 2 4 3   c.put ("5", "five");                          // 5 2 4   c.put ("4", "second four");                   // 4 5 2   // Verify cache content.   if (c.usedEntries() != 3)              throw new Error();   if (!c.get("4").equals("second four")) throw new Error();   if (!c.get("5").equals("five"))        throw new Error();   if (!c.get("2").equals("two"))         throw new Error();   // List cache content.   for (Map.Entry<String, String> e : c.getAll())      System.out.println (e.getKey() + " : " + e.getValue()); }

代码出自:http://www.source-code.biz/snippets/java/6.htm

在博客 http://gogole.iteye.com/blog/692103 里,作者使用的是双链表 + hashtable 的方式实现的。如果在面试题里考到如何实现LRU,考官一般会要求使用双链表 + hashtable 的方式。 所以,我把原文的部分内容摘抄如下:

 双链表 + hashtable实现原理:

将Cache的所有位置都用双连表连接起来,当一个位置被命中之后,就将通过调整链表的指向,将该位置调整到链表头的位置,新加入的Cache直接加到链表头中。这样,在多次进行Cache操作后,最近被命中的,就会被向链表头方向移动,而没有命中的,而想链表后面移动,链表尾则表示最近最少使用的Cache。当需要替换内容时候,链表的最后位置就是最少被命中的位置,我们只需要淘汰链表最后的部分即可。

public class LRUCache {		private int cacheSize;	private Hashtable<Object, Entry> nodes;//缓存容器	private int currentSize;	private Entry first;//链表头	private Entry last;//链表尾		public LRUCache(int i) {		currentSize = 0;		cacheSize = i;		nodes = new Hashtable<Object, Entry>(i);//缓存容器	}		/**	 * 获取缓存中对象,并把它放在最前面	 */	public Entry get(Object key) {		Entry node = nodes.get(key);		if (node != null) {			moveToHead(node);			return node;		} else {			return null;		}	}		/**	 * 添加 entry到hashtable, 并把entry 	 */	public void put(Object key, Object value) {		//先查看hashtable是否存在该entry, 如果存在,则只更新其value		Entry node = nodes.get(key);				if (node == null) {			//缓存容器是否已经超过大小.			if (currentSize >= cacheSize) {				nodes.remove(last.key);				removeLast();			} else {				currentSize++;			}						node = new Entry();		}		node.value = http://www.mamicode.com/value;>

转载请注明出处:http://blog.csdn.net/beiyeqingteng