昨天面试被问到的 缓存淘汰算法FIFO、LRU、LFU及Java实现

缓存淘汰算法

在高并发、高性能的质量要求不断提高时，我们首先会想到的就是利用缓存予以应对。

第一次请求时把计算好的结果存放在缓存中，下次遇到同样的请求时，把之前保存在缓存中的数据直接拿来使用。

但是，缓存的空间一般都是有限，不可能把所有的结果全部保存下来。那么，当缓存空间全部被占满再有新的数据需要被保存，就要决定删除原来的哪些数据。如何做这样决定需要使用缓存淘汰算法。

常用的缓存淘汰算法有：FIFO、LRU、LFU，下面我们就逐一介绍一下。

FIFO

FIFO，First In First Out，先进先出算法。判断被存储的时间，离目前最远的数据优先被淘汰。简单地说，先存入缓存的数据，先被淘汰。

最早存入缓存的数据，其不再被使用的可能性比刚存入缓存的可能性大。建立一个FIFO队列，记录所有在缓存中的数据。当一条数据被存入缓存时，就把它插在队尾上。需要被淘汰的数据一直在队列头。这种算法只是在按线性顺序访问数据时才是理想的，否则效率不高。因为那些常被访问的数据，往往在缓存中也停留得最久，结果它们却因变“老”而不得不被淘汰出去。

FIFO算法用队列实现就可以了，这里就不做代码实现了。

LRU

LRU，Least Recently Used，最近最少使用算法。判断最近被使用的时间，目前最远的数据优先被淘汰。简单地说，LRU 的淘汰规则是基于访问时间。

如果一个数据在最近一段时间没有被使用到，那么可以认为在将来它被使用的可能性也很小。因此，当缓存空间满时，最久没有使用的数据最先被淘汰。

在Java中，其实LinkedHashMap已经实现了LRU缓存淘汰算法，需要在构造函数第三个参数传入true，表示按照时间顺序访问。可以直接继承LinkedHashMap来实现。

packageone.more;importjava.util.LinkedHashMap;importjava.util.Map;publicclassLruCache<K,V>extendsLinkedHashMap<K,V>{/**
     * 容量限制
     */privateint capacity;LruCache(int capacity){// 初始大小，0.75是装载因子，true是表示按照访问时间排序super(capacity,0.75f,true);//缓存最大容量this.capacity = capacity;}/**
     * 重写removeEldestEntry方法，如果缓存满了，则把链表头部第一个节点和对应的数据删除。
     */@OverrideprotectedbooleanremoveEldestEntry(Map.Entry<K,V> eldest){returnsize()> capacity;}}

我写一个简单的程序测试一下：

packageone.more;publicclassTestApp{publicstaticvoidmain(String[] args){LruCache<String,String> cache =newLruCache(3);
        cache.put("keyA","valueA");System.out.println("put keyA");System.out.println(cache);System.out.println("=========================");

        cache.put("keyB","valueB");System.out.println("put keyB");System.out.println(cache);System.out.println("=========================");

        cache.put("keyC","valueC");System.out.println("put keyC");System.out.println(cache);System.out.println("=========================");

        cache.get("keyA");System.out.println("get keyA");System.out.println(cache);System.out.println("=========================");

        cache.put("keyD","valueD");System.out.println("put keyD");System.out.println(cache);}}

运行结果如下：

put keyA
{keyA=valueA}
=========================
put keyB
{keyA=valueA, keyB=valueB}
=========================
put keyC
{keyA=valueA, keyB=valueB, keyC=valueC}
=========================
get keyA
{keyB=valueB, keyC=valueC, keyA=valueA}
=========================
put keyD
{keyC=valueC, keyA=valueA, keyD=valueD}

当然，这个不是面试官想要的，也不是我们想要的。我们可以使用双向链表和哈希表进行实现，哈希表用于存储对应的数据，双向链表用于数据被使用的时间先后顺序。

在访问数据时，如果数据已存在缓存中，则把该数据的对应节点移到链表尾部。如此操作，在链表头部的节点则是最近最少使用的数据。

当需要添加新的数据到缓存时，如果该数据已存在缓存中，则把该数据对应的节点移到链表尾部；如果不存在，则新建一个对应的节点，放到链表尾部；如果缓存满了，则把链表头部第一个节点和对应的数据删除。

packageone.more;importjava.util.HashMap;importjava.util.Map;publicclassLruCache<K,V>{/**
     * 头结点
     */privateNode head;/**
     * 尾结点
     */privateNode tail;/**
     * 容量限制
     */privateint capacity;/**
     * key和数据的映射
     */privateMap<K,Node> map;LruCache(int capacity){this.capacity = capacity;this.map =newHashMap<>();}publicVput(K key,V value){Node node = map.get(key);// 数据存在，将节点移动到队尾if(node !=null){V oldValue = node.value;//更新数据
            node.value = value;moveToTail(node);return oldValue;}else{Node newNode =newNode(key, value);// 数据不存在，判断链表是否满if(map.size()== capacity){// 如果满，则删除队首节点，更新哈希表
                map.remove(removeHead().key);}// 放入队尾节点addToTail(newNode);
            map.put(key, newNode);returnnull;}}publicVget(K key){Node node = map.get(key);if(node !=null){moveToTail(node);return node.value;}returnnull;}@OverridepublicStringtoString(){StringBuilder sb =newStringBuilder();
        sb.append("LruCache{");Node curr =this.head;while(curr !=null){if(curr !=this.head){
                sb.append(',').append(' ');}
            sb.append(curr.key);
            sb.append('=');
            sb.append(curr.value);
            curr = curr.next;}return sb.append('}').toString();}privatevoidaddToTail(Node newNode){if(newNode ==null){return;}if(head ==null){
            head = newNode;
            tail = newNode;}else{//连接新节点
            tail.next = newNode;
            newNode.pre = tail;//更新尾节点指针为新节点
            tail = newNode;}}privatevoidmoveToTail(Node node){if(tail == node){return;}if(head == node){
            head = node.next;
            head.pre =null;}else{//调整双向链表指针
            node.pre.next = node.next;
            node.next.pre = node.pre;}
        node.pre = tail;
        node.next =null;
        tail.next = node;
        tail = node;}privateNoderemoveHead(){if(head ==null){returnnull;}Node res = head;if(head == tail){
            head =null;
            tail =null;}else{
            head = res.next;
            head.pre =null;
            res.next =null;}return res;}classNode{K key;V value;Node pre;Node next;Node(K key,V value){this.key = key;this.value = value;}}}

再次运行测试程序，结果如下：

put keyA
LruCache{keyA=valueA}
=========================
put keyB
LruCache{keyA=valueA, keyB=valueB}
=========================
put keyC
LruCache{keyA=valueA, keyB=valueB, keyC=valueC}
=========================
get keyA
LruCache{keyB=valueB, keyC=valueC, keyA=valueA}
=========================
put keyD
LruCache{keyC=valueC, keyA=valueA, keyD=valueD}

LFU

LFU，Least Frequently Used，最不经常使用算法，在一段时间内，数据被使用次数最少的，优先被淘汰。简单地说，LFU 的淘汰规则是基于访问次数。

如果一个数据在最近一段时间很少被使用到，那么可以认为在将来它被使用的可能性也很小。因此，当空间满时，最小频率使用的数据最先被淘汰。

我们可以使用双哈希表进行实现，一个哈希表用于存储对应的数据，另一个哈希表用于存储数据被使用次数和对应的数据。

packageone.more;importjava.util.Comparator;importjava.util.HashMap;importjava.util.LinkedList;importjava.util.List;importjava.util.Map;importjava.util.stream.Collectors;publicclassLfuCache<K,V>{/**
     * 容量限制
     */privateint capacity;/**
     * 当前最小使用次数
     */privateint minUsedCount;/**
     * key和数据的映射
     */privateMap<K,Node> map;/**
     * 数据频率和对应数据组成的链表
     */privateMap<Integer,List<Node>> usedCountMap;publicLfuCache(int capacity){this.capacity = capacity;this.minUsedCount =1;this.map =newHashMap<>();this.usedCountMap =newHashMap<>();}publicVget(K key){Node node = map.get(key);if(node ==null){returnnull;}// 增加数据的访问频率addUsedCount(node);return node.value;}publicVput(K key,V value){Node node = map.get(key);if(node !=null){// 如果存在则增加该数据的访问频次V oldValue = node.value;
            node.value = value;addUsedCount(node);return oldValue;}else{// 数据不存在，判断链表是否满if(map.size()== capacity){// 如果满，则删除队首节点，更新哈希表List<Node> list = usedCountMap.get(minUsedCount);Node delNode = list.get(0);
                list.remove(delNode);
                map.remove(delNode.key);}// 新增数据并放到数据频率为1的数据链表中Node newNode =newNode(key, value);
            map.put(key, newNode);List<Node> list = usedCountMap.get(1);if(list ==null){
                list =newLinkedList<>();
                usedCountMap.put(1, list);}

            list.add(newNode);
            minUsedCount =1;returnnull;}}@OverridepublicStringtoString(){StringBuilder sb =newStringBuilder();
        sb.append("LfuCache{");List<Integer> usedCountList =this.usedCountMap.keySet().stream().collect(Collectors.toList());
        usedCountList.sort(Comparator.comparingInt(i -> i));int count =0;for(int usedCount : usedCountList){List<Node> list =this.usedCountMap.get(usedCount);if(list ==null){continue;}for(Node node : list){if(count >0){
                    sb.append(',').append(' ');}
                sb.append(node.key);
                sb.append('=');
                sb.append(node.value);
                sb.append("(UsedCount:");
                sb.append(node.usedCount);
                sb.append(')');
                count++;}}return sb.append('}').toString();}privatevoidaddUsedCount(Node node){List<Node> oldList = usedCountMap.get(node.usedCount);
        oldList.remove(node);// 更新最小数据频率if(minUsedCount == node.usedCount && oldList.isEmpty()){
            minUsedCount++;}

        node.usedCount++;List<Node> set = usedCountMap.get(node.usedCount);if(set ==null){
            set =newLinkedList<>();
            usedCountMap.put(node.usedCount, set);}
        set.add(node);}classNode{K key;V value;int usedCount =1;Node(K key,V value){this.key = key;this.value = value;}}}

再次运行测试程序，结果如下：

put keyA
LfuCache{keyA=valueA(UsedCount:1)}
=========================
put keyB
LfuCache{keyA=valueA(UsedCount:1), keyB=valueB(UsedCount:1)}
=========================
put keyC
LfuCache{keyA=valueA(UsedCount:1), keyB=valueB(UsedCount:1), keyC=valueC(UsedCount:1)}
=========================
get keyA
LfuCache{keyB=valueB(UsedCount:1), keyC=valueC(UsedCount:1), keyA=valueA(UsedCount:2)}
=========================
put keyD
LfuCache{keyC=valueC(UsedCount:1), keyD=valueD(UsedCount:1), keyA=valueA(UsedCount:2)}

总结

看到这里，你已经超越了大多数人！

• FIFO，First In First Out，先进先出算法。判断被存储的时间，离目前最远的数据优先被淘汰，可以使用队列实现。
• LRU，Least Recently Used，最近最少使用算法。判断最近被使用的时间，目前最远的数据优先被淘汰，可以使用双向链表和哈希表实现。
• LFU，Least Frequently Used，最不经常使用算法，在一段时间内，数据被使用次数最少的，优先被淘汰，可以使用双哈希表实现。