【原创图解算法leetcode 146】实现一个LRU缓存淘汰策略策略的数据结构

1 概念

LRU是Least Recently Used的缩写，即最近最少使用，是一种常见的缓存淘汰算法。
其核心思想为：当内存达到上限时，淘汰最久未被访问的缓存。

2 LeetCode

LeetCode: 146. LRU缓存

3 实现

通过上面LRU的淘汰策略可知，需要记录每个缓存key的访问时间顺序，并且在达到缓存上限时，淘汰最久没有被访问的那个key。
由于是淘汰最久未被使用的key，可以并不需要记录每个key的访问时间戳这样细的粒度，只需要根据对key的访问时间进行排序来得到最久未被访问的key。这个有序的数据结构可以采用双向队列来实现，其核心思想为：

使用map来存储缓存的key, value，并且将key存入一个双端队列中。
当put缓存时，先判断key是否在缓存中，若是将key移动到队列的末尾（代表最近被访问），否则直接将key添加到队列末尾。然后判断缓存是否超过容量限制，若是则将队列头的key移除并从map中移除缓存。
当get缓存时，将key移动到队列头部（代表最近被访问）。

即通过双端队列来维护对缓存key的访问顺序，当存入和读取缓存key时，都将其移动到最后的位置，当缓存超过容量限制的时候，就从头的位置开始删除缓存。如下图所示
在这里插入图片描述

2.1 使用LinkedList + HashMap实现

class LRUCache<K, V> {
    private final int capacity;
    private final Map<K, V> cache;
    private final LinkedList<K> list;
    
    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>(capacity);
        this.list = new LinkedList<>();
    }

    public synchronized V get(K key) {
        if (!cache.containsKey(key)) {
            return null;
        }
        // 访问这个key直接放到最后，代表最近访问
        list.remove(key);
        list.addLast(key);
        // 然后返回这个key的value
        return cache.get(key);
    }

    public synchronized void put(K key, V value) {
        if (cache.containsKey(key)) {
            list.remove(key);
        }
        // 然后放入缓存并放到最新的一个位置
        cache.put(key, value);
        list.addLast(key);
        // 如果cache满了，就把最久未访问的key删掉
        while (cache.size() > capacity) {
            K remove = list.removeFirst();
            cache.remove(remove);
        }
    }
}

2.2 使用LinkedHashMap实现

class LRUCache2<K, V> extends LinkedHashMap<K, V> {
    private final int capacity;

    public LRUCache2(int capacity) {
        // 初始化容量，开启访问排序
        super(capacity, 0.75F, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        // 超过容量，删除最久未使用的元素
        return size() > capacity;
    }
}