LRU Cache java实现

要求：

• get(key)：如果key在cache中，则返回对应的value值，否则返回null
• set(key,value):如果key不在cache中，则将该(key,value)插入cache中（注意，如果cache已满，则必须把最近最久未使用的元素从cache中删除）；如果key在cache中，则重置value的值。
• set和get的时间复杂度都是O(1)。

两个map

/**
 * 思路：时间复杂度是O(1)，一下子想到的是map。但是怎么进行淘汰呢？需要记录时间，且查找的复杂度也是O(1),那也用map吧。
 * put之前，需要先查看是否包含key，如果包含，删掉之前的数据，再放进新的数据，且把key的访问时间更新。淘汰最早访问数据的时候，还需要根据访问时间查询key。
 * 所以，需要的操作包括：根据key获取value和access；根据access获取key。
 */
public class MyLRUMapSample<K, V> {
        //cache的容量
        private int capacity;
        //存储key-value/access的map
        private HashMap<K, Pair<V>> valueMap;
        //存储access-key的map,使用SortedMap，对access进行排序
        private SortedMap<Long, K> accessKeyMap;

        public MyLRUMapSample(){}
        public MyLRUMapSample(int capacity){
            this.capacity = capacity;
            valueMap = new HashMap<K, Pair<V>>();
            accessKeyMap = new TreeMap<Long, K>();
        }

        public V get(K key){
            if(!valueMap.containsKey(key)){
                return null;
            }
            //修改access
            Long access = accessKeyMap.lastKey() + 1;
            accessKeyMap.remove(valueMap.get(key).access);
            accessKeyMap.put(access, key);
            valueMap.get(key).access = access;
            return valueMap.get(key).value;
        }

        public void put(K key, V value){
            //如果含有值，则更新
            if(valueMap.containsKey(key)){
                Long oldAccess = valueMap.get(key).access;
                accessKeyMap.remove(oldAccess);
                valueMap.remove(key);
            }

            //如果存储已满，则淘汰掉最早访问的
            if(valueMap.size() >= capacity){
                Long oldAccess = accessKeyMap.firstKey();
                valueMap.remove(accessKeyMap.get(oldAccess));
                accessKeyMap.remove(oldAccess);
            }

            //添加最新的数据
            Long access = accessKeyMap.isEmpty() ? 0 : accessKeyMap.lastKey() + 1;
            valueMap.put(key, new Pair(access, value));
            accessKeyMap.put(access, key);
        }

        //访问时间和value值
        class Pair<V>{
            public Long access;
            public V value;
            public Pair(){}
            public Pair(Long access, V value){
                this.access = access;
                this.value = value;
            }
        }

    public K getOldestKey(){
        return accessKeyMap.isEmpty() ? null : accessKeyMap.get(accessKeyMap.firstKey());
    }


    public K getLatestKey(){
        return accessKeyMap.isEmpty() ? null : accessKeyMap.get(accessKeyMap.lastKey());
    }


    public static void main(String[] args) {
        LinkedListMapLRUSample<Integer, Integer> sample = new LinkedListMapLRUSample<Integer, Integer>(2);
        Assert.check(sample.getLatestKey() == null);
        Assert.check(sample.get(2) == null);
        sample.put(2, 1);
        sample.put(2, 2);
        Assert.check(sample.get(2).intValue() == 2);
        sample.put(1, 2);
        sample.put(1, 3);
        Assert.check(sample.get(1) == 3);
        Assert.check(sample.get(2).intValue() == 2);

		sample.put(3, 3);
        Assert.check(sample.get(1) == null);
    }


}

双向链表+hashMap

/**
 * 使用LinkedList存储数据，从头部插入，从尾部淘汰。这样就保证了容量和淘汰规则正确性。
 * 使用hashMap，通过key找到value。
 */
public class LinkedListMapLRUSample<K,V> {

    class Node<K, V>{
        public K key;
        public V value;
        public Node preNode;
        public Node nextNode;
        public Node(){}
        public Node(K key, V value, Node preNode, Node nextNode){
            this.key = key;
            this.value = value;
            this.preNode = preNode;
            this.nextNode = nextNode;
        }
    }

    private Node<K,V> head;
    private Node<K,V> tail;
    private HashMap<K,Node<K, V>> valueMap;
    private int capacity;

    public LinkedListMapLRUSample(){}
    public LinkedListMapLRUSample(int capacity){
        this.capacity = capacity;
        valueMap = new HashMap<K,Node<K, V>>();
    }

    public void put(K key, V value){
        if(head == null){
            head = new Node(key, value, null, null);
            tail = head;
            valueMap.put(key, head);
            return;
        }

        //如果已经包含了数据，需要更新
        if(valueMap.containsKey(key)){
            valueMap.get(key).value = value;
            moveToHead(key);
            return;
        }

        //满容量，需要淘汰掉最旧的数据
        if(valueMap.size() >= capacity){
            valueMap.remove(tail.key);
            tail = tail.preNode;
            if(tail != null){
                tail.nextNode = null;
            }
        }

        insertAsHead(key, value);

    }

    private void insertAsHead(K key, V value){
        //在头部添加新节点
        Node target = new Node(key, value, null, head);
        if(head != null){
            head.preNode = target;
            target.nextNode = head;
        }
        valueMap.put(key, target);
        head = target;
    }

    private void moveToHead(K key){
        Node target = valueMap.get(key);
        //头部元素
        if(target.preNode == null){
            return;
        }
        //尾部元素
        if(target.nextNode == null){
            tail = target.preNode;
            tail.nextNode = null;
        }else{
            target.preNode.nextNode = target.nextNode;
            target.nextNode.preNode = target.preNode;
        }

        target.preNode = null;
        target.nextNode = head;
        head.preNode = target;
        head = target;
    }

    public V get(K key){
        if(!valueMap.containsKey(key)){
            return null;
        }
        moveToHead(key);
        return valueMap.get(key).value;
    }

    public K getLatestKey(){
        return head == null ? null : head.key;
    }

    public K getOldestKey(){
        return tail == null ? null : tail.key;
    }

    public static void main(String[] args) {
        LinkedListMapLRUSample<Integer, Integer> sample = new LinkedListMapLRUSample<Integer, Integer>(2);
        Assert.check(sample.getLatestKey() == null);
        Assert.check(sample.get(2) == null);
        sample.put(2,1);
        sample.put(2, 2);
        Assert.check(sample.get(2).intValue() == 2);
        sample.put(1, 2);
        sample.put(1, 3);
        Assert.check(sample.get(1) == 3);
        Assert.check(sample.get(2).intValue() == 2);

        sample.put(3, 3);
        Assert.check(sample.get(1) == null);
    }
}

需要根据访问时间或者插入时间进行排序时，考虑使用双向链表。

最先插入淘汰和最少访问淘汰

• 最先插入淘汰，即FIFO。也就是要求set操作时，新数据放在head，get操作不需要移动。那么，只需要在get操作的时候直接返回valueMap中的数据即可。
• 最少访问淘汰，是按照访问次数排序，将访问次数最少的数据删除。
  可以使用两个map实现，valueMap（HashMap）和accessCountMap（SortedMap）。accessCount初始为1，get/put时，accessCount自增，并按照accessCount排序。

如果用数组和map实现，就需要accessCount自增后，进行重排序；或者在需要淘汰的时候进行重排序。

LinkedHashMap源码解读

LinkedHashMap使用一个双向链表加一个HashMap。同时有一个成员变量accessOrder控制淘汰策略：为true 表示按照LRU方式淘汰，false表示按照FIFO方式淘汰。
另外还有一个方法控制是否删除最旧的数据：

    protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
        return false;
    }

   //put新数据的时候，检查是否需要删除最旧的数据
	void addEntry(int hash, K key, V value, int bucketIndex) {
        super.addEntry(hash, key, value, bucketIndex);

        // Remove eldest entry if instructed
        Entry<K,V> eldest = header.after;
        if (removeEldestEntry(eldest)) {
            removeEntryForKey(eldest.key);
        }
    }

使用LinkedHashMap实现LRUCache：

public class LinkedHashMapLRUSample<K, V> extends LinkedHashMap<K, V>{
    private int capacity;
    public LinkedHashMapLRUSample(){}
    public LinkedHashMapLRUSample(int capacity){
        super(16, 0.75f, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return this.size() > capacity;
    }

    public static void main(String[] args) {
        LinkedHashMapLRUSample<Integer, Integer> sample = new LinkedHashMapLRUSample<Integer, Integer>(2);
        Assert.check(sample.get(2) == null);
        sample.put(2,1);
        sample.put(2, 2);
        Assert.check(sample.get(2).intValue() == 2);
        sample.put(1, 3);
        Assert.check(sample.get(1) == 3);
        Assert.check(sample.get(2).intValue() == 2);

        sample.put(3, 3);
        Assert.check(sample.get(1) == null);
    }
}

参考

缓存算法和实现 : 对各种缓存算法做了说明。
LRU算法机器变种