如何编写代码实现LRU算法

这篇文章主要讲解了"如何编写代码实现LRU算法"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"如何编写代码实现LRU算法"吧！

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。

要求：在 O(1) 时间复杂度内完成这两种操作。

思考

1 所谓缓存，必须要有读+写两个操作，按照命中率的思路考虑，写操作+读操作时间复杂度都需要为O(1)

2 特性要求分析
2.1 必须有顺序之分，以区分最近使用的和很久没用到的数据排序。
2.2 写和读操作 一次搞定。
2.3 如果容量(坑位)满了要删除最不长用的数据，每次新访问还要把新的数据插入到队头(按照业务你自己设定左右那一边是队头)

查找快，插入快，删除快，且还需要先后排序-------->什么样的数据结构满足这个问题?

你是否可以在O(1)时间复杂度内完成这两种操作?

如果一次就可以找到，你觉得什么数据结构最合适??

参考LinkedHashMap

方案一 依赖JDK

package com.lau.lrualgorithm.way;import java.util.LinkedHashMap;import java.util.Map;/** * 复用现有api中的HashMap */public class ReuseLinkedHashMap extends LinkedHashMap {    //允许缓存个数上限    private int cacheSize;    //重载构造器    public ReuseLinkedHashMap(int cacheSize) {        super(cacheSize, 0.75f, true);        this.cacheSize = cacheSize;    }        @Override    protected boolean removeEldestEntry(Map.Entry eldest) {        return super.size() > cacheSize;    }    public V put(K key, V value){//        if(super.size() == this.cachesize){//            super.removeEldestEntry();//        }       return super.put(key, value);    }    public V get(Object key){        return super.get(key);    }    public static void main(String[] args) {        ReuseLinkedHashMap map = new ReuseLinkedHashMap(3);        map.put(1, 1);        map.put(2, 2);        map.put(3, 3);        System.out.println(map.keySet());        map.put(4, 1);        System.out.println(map.keySet());        map.put(3, 1);        System.out.println(map.keySet());        map.put(3, 1);        System.out.println(map.keySet());        map.put(3, 1);        System.out.println(map.keySet());        map.put(5, 1);        System.out.println(map.keySet());    }}/** * true * [1, 2, 3] * [2, 3, 4] * [2, 4, 3] * [2, 4, 3] * [2, 4, 3] * [4, 3, 5] * *//**false [1, 2, 3] [2, 3, 4] [2, 3, 4] [2, 3, 4] [2, 3, 4] [3, 4, 5] */

关键点：

1、复写removeEldestEntry()方法

2、accessOrder - the ordering mode - true for access-order, false for insertion-order

3、最新节点存储顺序：从右至左

方案二 不依赖JDK

package com.lau.lrualgorithm.way;import java.util.HashMap;import java.util.Map;//map负责查找，构建一个虚拟的双向链表，它里面安装的就是一个个Node节点，作为数据载体。public class LruCacheDemo {    //1.构造一个node节点作为数据载体    class Node {        K key;        V value;        Node prev;        Node next;        public Node() {            this.prev = this.next = null;        }        public Node(K key, V value) {            this.key = key;            this.value = value;            this.prev = this.next = null;        }    }    //2 构建一个虚拟的双向链表,里面安放的就是我们的Node    class DoubleLinkedList {        Node head;        Node tail;        public DoubleLinkedList() {            head = new Node<>();            tail = new Node<>();            head.next = tail;            tail.prev = head;        }        //3. 添加到头        public void addHead(Node node) {            node.next = head.next;            node.prev = head;            head.next.prev = node;            head.next = node;        }        //4.删除节点        public void removeNode(Node node) {            node.next.prev = node.prev;            node.prev.next = node.next;            node.prev = null;            node.next = null;        }        //5.获得最后一个节点        public Node getLast() {            return tail.prev;        }    }    private int cacheSize;    Map> map;    DoubleLinkedList doubleLinkedList;    public LruCacheDemo(int cacheSize) {        this.cacheSize = cacheSize;//坑位        map = new HashMap<>();//查找        doubleLinkedList = new DoubleLinkedList<>();    }    public int get(int key) {        if (!map.containsKey(key)) {            return -1;        }        Node node = map.get(key);        doubleLinkedList.removeNode(node);        doubleLinkedList.addHead(node);        return node.value;    }    public void put(int key, int value) {        if (map.containsKey(key)) {  //update            Node node = map.get(key);            node.value = value;//            map.put(key, node);            doubleLinkedList.removeNode(node);            doubleLinkedList.addHead(node);        } else {            if (map.size() == cacheSize)  //坑位满了            {                Node lastNode = doubleLinkedList.getLast();                map.remove(lastNode.key);                doubleLinkedList.removeNode(lastNode);            }            //新增一个            Node newNode = new Node<>(key, value);            map.put(key, newNode);            doubleLinkedList.addHead(newNode);        }    }    public static void main(String[] args) {        LruCacheDemo lruCacheDemo = new LruCacheDemo(3);        lruCacheDemo.put(1, 1);        lruCacheDemo.put(2, 2);        lruCacheDemo.put(3, 3);        //不能直接打印map，因为此map是无序的！！！//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);        lruCacheDemo.put(4, 1);//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);        lruCacheDemo.put(3, 1);//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);        lruCacheDemo.put(3, 1);//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);        lruCacheDemo.put(3, 1);//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);        lruCacheDemo.put(5, 1);//        System.out.println(lruCacheDemo.map.keySet());        printKeys(lruCacheDemo);    }    private static void printKeys(LruCacheDemo lruCacheDemo){        Node node = lruCacheDemo.doubleLinkedList.head.next;        while( node != null && node.key != null){            System.out.print(node.key + " ");            node = node.next;        }        System.out.println();    }}/**   * true   * [1, 2, 3]   * [2, 3, 4]   * [2, 4, 3]   * [2, 4, 3]   * [2, 4, 3]   * [4, 3, 5]   * *//**false   [1, 2, 3]   [2, 3, 4]   [2, 3, 4]   [2, 3, 4]   [2, 3, 4]   [3, 4, 5]   */

注：

最新节点存储顺序：从左至右

手写版数据结构

感谢各位的阅读，以上就是"如何编写代码实现LRU算法"的内容了，经过本文的学习后，相信大家对如何编写代码实现LRU算法这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！