本文已参与「新人创作礼」活动，一起开启掘金创作之路。
LRU淘汰算法
LRU：Least Recently Used，最近最少使用。即淘汰掉最近最少使用的数据。
以时间轴作为走向：
如果数据A刚被访问，那么A就应该调至头部：
假如内存容量已满，现在新数据E被插入，需要淘汰一条数据，那么只需要从尾部开始淘汰，即B被淘汰，E插入头部：
上面的时间轴可以用双向链表来表示，可以方便的调整数据位置。但是链表的查询效率较低，所以可以在用一个Map作为查询使用，查询复杂度为O(1)。这样下面的数据结构就能完美实现LRU缓存淘汰策略了：
1. 新数据插入：追加到链表尾部。
2. 如果缓存容量已满，则从头部删除后再在头部插入数据。
3. 缓存中的数据再次被访问：将该节点移至尾部。
力扣LRU题解
原题：
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：
1. LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
2. 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 。
3. 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。
* 示例：
输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
* 解释:
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
提示：
1 <= capacity <= 3000
0 <= key <= 3000
0 <= value <= 104
最多调用 3 * 104 次 get 和 put
题解：
- 代码实现：
class LRUCache {
//缓存节点
private class CacheNode{
CacheNode prev;
CacheNode next;
int key;
int value;
private CacheNode(int key,int value){
this.key = key;
this.value = value;
this.prev = null;
this.next = null;
}
}
//缓存容量
private int capacity;
//key与节点映射
private Map<Integer,CacheNode> valNodeMap;
private CacheNode head = new CacheNode(-1,-1);
private CacheNode tail = new CacheNode(-1,-1);
public LRUCache(int capacity) {
this.capacity = capacity;
valNodeMap = new HashMap(capacity);
this.head.next = tail;
this.tail.prev = head;
}
public int get(int key) {
if(!valNodeMap.containsKey(key)){
return -1;
}
CacheNode node = valNodeMap.get(key);
node.prev.next = node.next;
node.next.prev = node.prev;
moveToTail(node);
return node.value;
}
public void put(int key, int value) {
if(get(key)!=-1){
valNodeMap.get(key).value = value;
return;
}
CacheNode node = new CacheNode(key,value);
if(valNodeMap.size() == capacity){
//淘汰
valNodeMap.remove(head.next.key);
head.next.next.prev = head;
head.next = head.next.next;
}
valNodeMap.put(key,node);
//追加
moveToTail(node);
}
public void moveToTail(CacheNode node){
node.prev = this.tail.prev;
this.tail.prev.next = node;
node.next = this.tail;
this.tail.prev = node;
}
}
/**
* Your LRUCache object will be instantiated and called as such:
* LRUCache obj = new LRUCache(capacity);
* int param_1 = obj.get(key);
* obj.put(key,value);
*/
LFU淘汰算法
LFU算法：即最不经常使用淘汰算法。缓存数据会记录被访问的次数，每次被访问次数加一，当需要淘汰数据时，会淘汰使用次数最少的缓存数据。
数据结构
使用一个map作为数据查询，同时也需要一个map用于缓存淘汰，如下图，两个链表即表述缓存淘汰map，该map的value存储的是一个双向链表，链表中是相同使用次数的数据。
- 数据插入：在相应次数的链表中头节点插入。
- 缓存淘汰：从使用次数最小的链表尾部删除缓存数据。
- 数据访问：使用次数加1，原有次数链表中移除，添加到新的链表中。
代码实现：
package com.hiwe.demo.cache;
import java.util.HashMap;
import java.util.Map;
public class LfuCache {
//缓存容器
private Map<String,Node> cache;
//用于存储缓存数据使用次数
private Map<Integer,DoubleLinkedList> useTimes;
//容量大小
private Integer capacity;
//已使用容量
private Integer useCap = 0;
//全局数据最少使用次数
private Integer minUseTimes = 1;
public LfuCache(Integer capacity){
cache = new HashMap<>();
this.capacity = capacity;
useTimes = new HashMap<>();
}
/**
* 添加数据
* @param key
* @param value
* @return
*/
public boolean put(String key,String value){
Node node = cache.get(key);
if(node==null){
node = new Node(key,value);
cache.put(key,node);
useCap++;
if(useCap>capacity){
//缓存淘汰
eliminate();
}
}else{
node.value=value;
node.times++;
}
//次数增加
addTimes(node);
return true;
}
/**
* 获取数据
* @param key
* @return
*/
public String get(String key){
Node node = cache.get(key);
if(node==null){
return null;
}
//添加到对应次数的链表中
node.times++;
addTimes(node);
return node.value;
}
/**
* 缓存数据淘汰
*/
private void eliminate(){
DoubleLinkedList linkedList = useTimes.get(minUseTimes);
String key = linkedList.remove();
cache.remove(key);
}
/**
* 数据访问次数添加
* @param node
*/
private void addTimes(Node node){
int times = node.times;
DoubleLinkedList link = useTimes.get(times);
if(link==null){
link = new DoubleLinkedList();
useTimes.put(times,link);
}
link.put(node);
//记录当前存在数据的最小访问次数
if(times>1){
DoubleLinkedList preLink = useTimes.get(times-1);
preLink.delSize();
if(times-1<minUseTimes&&preLink.size>0){
minUseTimes=times-1;
}
}
}
private class DoubleLinkedList{
private Integer size=0;
private Node head = new Node(null,null);
private Node tail = new Node(null,null);
public DoubleLinkedList(){
head.next = tail;
tail.pre = head;
}
public void put(Node node){
//如果之前存在，则从之前链删除
if(node.pre!=null&&node.next!=null){
node.pre.next=node.next;
node.next.pre = node.pre;
}
//添加到链表中
size++;
Node temp = head.next;
head.next = node;
node.pre = head;
node.next = temp;
temp.pre = node;
}
/**
* 移除节点
* @return key
*/
public String remove(){
Node temp = tail.pre;
tail.pre = temp.pre;
temp.pre.next = tail;
temp.pre=null;
temp.next=null;
return temp.key;
}
public void delSize(){
size--;
}
}
/**
* 数据节点
*/
private class Node{
private String key;
private String value;
private Integer times = 1;
private Node pre=null;
private Node next=null;
public Node(String key,String value){
this.key = key;
this.value = value;
}
}
}
测试代码：
package com.hiwe.demo.cache;
public class TestCache {
public static void main(String[] args) {
LfuCache lfuCache = new LfuCache(2);
lfuCache.put("bbb","bbb");
lfuCache.put("aaa","aaa");
lfuCache.get("bbb");
lfuCache.put("ccc","ccc");
System.out.println(lfuCache.get("aaa"));
System.out.println(lfuCache.get("bbb"));
System.out.println(lfuCache.get("ccc"));
}
}
