LRU算法
LRU(Least Recently Used)，即最近最少使用算法。常用于实现一个简单的缓存功能，就是把很久未使用的直接移除掉，只保留最近使用的。
LRU主要功能
LRU主要需要实现两个功能
- 添加缓存(涉及到删除缓存)
- 获取缓存
实现原理
其实用一个单链表就能实现简单的LRU算法，但是链表的查找时间复杂度比较高了，是O(n)。其实用一个散列表+双链表就可以实现一个O(1)复杂度的LRU算法。用散列表就可以直接定位某个缓存，时间复杂度O(1)，但是散列表插入缓存之后，就没有了顺序，所以才需要一个链表来维护这个缓存的顺序，这样才能知道哪些缓存一直未使用，超过缓存最大容量之后需要删除未使用的缓存。而如果单链表删除某个缓存的话，又需要先遍历这个元素（时间复杂度O(n)）才行。所以这里用双链表，那么就可以通过散列表直接定位到这个缓存节点，然后知道这个缓存节点的前驱和后继节点就可以在O(1)时间复杂度内删除这个缓存了。
show me your code
package com.program;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
/**
* LRUCache算法：最近最少使用算法
* 核心算法实现：散列表+双向链表
* 算法核心功能：
* 1.添加缓存(先判断散列表中是否存在该缓存，如果存在，则将该缓存移动到链尾。
* 如果不存在，则先判断链表是否已经满了，如果满了则先把头结点删除，未满则直接插到链尾)
* 2.查找缓存(因为是散列表，所以时间复杂度，接近O(1))
* 3.删除缓存
*/
public class LRUCache {
private int cacheSize = 10;
private HashMap<String, Node> map = new HashMap<>();
private Node head;
private Node tail;
public void LRUCache(int cacheSize) {
this.cacheSize = cacheSize;
}
/**
* 添加缓存
* 先判断是否已有该缓存，如果有则直接放到链尾取出，
* 如果没有，则判断是否已满，如果满了，删除链头数据，否则直接插到链尾
*/
public void addCache(String key, String value) {
if (map.containsKey(key)) {
Node node = map.get(key);
if (node.next != null) {
if (node.pre == null) {
head = node.next;
} else {
node.pre.next = node.next;
node.next.pre = node.pre;
}
tail.next = node;
node.pre = tail;
node.next = null;
tail = node;
}
} else {
Node node = new Node(key, value);
if (map.size() == cacheSize) {
Node temp = head;
head = head.next;
map.remove(temp.key);
node.pre = tail;
tail.next = node;
tail = node;
} else {
if (head == null) {
head = node;
tail = node;
} else {
node.pre = tail;
tail.next = node;
tail = node;
}
}
map.put(key, node);
}
}
/**
* 获取缓存
* 先判断是否有缓存，如果有，需要把该缓存移动到链尾返回
*/
public String getCache(String key) {
if (map.containsKey(key)) {
Node node = map.get(key);
if (node.next == null) {
return node.value;
}
if (node.pre == null) {
head = node.next;
} else {
node.pre.next = node.next;
node.next.pre = node.pre;
}
tail.next = node;
node.pre = tail;
node.next = null;
tail = node;
return node.value;
} else {
return null;
}
}
public void test() {
Iterator<Map.Entry<String, Node>> iterator = map.entrySet().iterator();
while (iterator.hasNext()) {
Map.Entry<String, Node> entry = iterator.next();
System.out.println(entry.getKey() + "--" + entry.getValue().value);
}
}
public void test2() {
Node temp = head;
while (temp != null) {
System.out.println(temp.key);
temp = temp.next;
}
}
public static void main(String[] args) {
LRUCache cache = new LRUCache();
cache.addCache("key0", "value0");
cache.addCache("key1", "value1");
cache.addCache("key2", "value2");
cache.addCache("key3", "value3");
cache.addCache("key4", "value4");
cache.addCache("key5", "value5");
cache.addCache("key6", "value6");
cache.addCache("key7", "value7");
cache.addCache("key8", "value8");
cache.addCache("key9", "value9");
cache.getCache("key9");
cache.test2();
}
class Node {
String key;
String value;
Node pre;
Node next;
public Node(String key, String value) {
this.key = key;
this.value = value;
}
}
}
免责声明：代码未经充分测试，如果发现问题还请不吝赐教，谢谢。
