




————— 两个月前 —————






用户信息当然是存在数据库里。但是由于我们对用户系统的性能要求比较高,显然不能每一次请求都去查询数据库。
所以,小灰在内存中创建了一个哈希表作为缓存,每次查找一个用户的时候先在哈希表中查询,以此提高访问性能。

很快,用户系统上线了,小灰美美地休息了几天。
一个多月之后......









———————————————









什么是哈希链表呢?
我们都知道,哈希表是由若干个Key-Value所组成。在“逻辑”上,这些Key-Value是无所谓排列顺序的,谁先谁后都一样。

在哈希链表当中,这些Key-Value不再是彼此无关的存在,而是被一个链条串了起来。每一个Key-Value都具有它的前驱Key-Value、后继Key-Value,就像双向链表中的节点一样。

这样一来,原本无序的哈希表拥有了固定的排列顺序。


让我们以用户信息的需求为例,来演示一下LRU算法的基本思路:
1.假设我们使用哈希链表来缓存用户信息,目前缓存了4个用户,这4个用户是按照时间顺序依次从链表右端插入的。

2.此时,业务方访问用户5,由于哈希链表中没有用户5的数据,我们从数据库中读取出来,插入到缓存当中。这时候,链表中最右端是最新访问到的用户5,最左端是最近最少访问的用户1。

3.接下来,业务方访问用户2,哈希链表中存在用户2的数据,我们怎么做呢?我们把用户2从它的前驱节点和后继节点之间移除,重新插入到链表最右端。这时候,链表中最右端变成了最新访问到的用户2,最左端仍然是最近最少访问的用户1。


4.接下来,业务方请求修改用户4的信息。同样道理,我们把用户4从原来的位置移动到链表最右侧,并把用户信息的值更新。这时候,链表中最右端是最新访问到的用户4,最左端仍然是最近最少访问的用户1。


5.后来业务方换口味了,访问用户6,用户6在缓存里没有,需要插入到哈希链表。假设这时候缓存容量已经达到上限,必须先删除最近最少访问的数据,那么位于哈希链表最左端的用户1就会被删除掉,然后再把用户6插入到最右端。


以上,就是LRU算法的基本思路。


-
private Node head; -
private Node end; -
//缓存存储上限 -
private int limit; -
-
-
private HashMap<String, Node> hashMap; -
-
-
public LRUCache(int limit) { -
this.limit = limit; -
hashMap = new HashMap<String, Node>(); -
} -
-
-
public String get(String key) { -
Node node = hashMap.get(key); -
if (node == null){ -
return null; -
} -
refreshNode(node); -
return node.value; -
} -
-
-
public void put(String key, String value) { -
Node node = hashMap.get(key); -
if (node == null) { -
//如果key不存在,插入key-value -
if (hashMap.size() >= limit) { -
String oldKey = removeNode(head); -
hashMap.remove(oldKey); -
} -
node = new Node(key, value); -
addNode(node); -
hashMap.put(key, node); -
}else { -
//如果key存在,刷新key-value -
node.value = value; -
refreshNode(node); -
} -
} -
-
-
public void remove(String key) { -
Node node = hashMap.get(key); -
removeNode(node); -
hashMap.remove(key); -
} -
-
-
/** -
* 刷新被访问的节点位置 -
* @param node 被访问的节点 -
*/ -
private void refreshNode(Node node) { -
//如果访问的是尾节点,无需移动节点 -
if (node == end) { -
return; -
} -
//移除节点 -
removeNode(node); -
//重新插入节点 -
addNode(node); -
} -
-
-
/** -
* 删除节点 -
* @param node 要删除的节点 -
*/
-
private String removeNode(Node node) { -
if (node == end) { -
//移除尾节点 -
end = end.pre; -
}else if(node == head){ -
//移除头节点 -
head = head.next; -
} else { -
//移除中间节点 -
node.pre.next = node.next; -
node.next.pre = node.pre; -
} -
return node.key; -
} -
-
-
/** -
* 尾部插入节点 -
* @param node 要插入的节点 -
*/ -
private void addNode(Node node) { -
if(end != null) { -
end.next = node; -
node.pre = end; -
node.next = null; -
} -
end = node; -
if(head == null){ -
head = node; -
} -
} -
-
-
class Node { -
Node(String key, String value){ -
this.key = key; -
this.value = value; -
} -
public Node pre; -
public Node next; -
public String key; -
public String value; -
} -
-
-
public static void main(String[] args) { -
LRUCache lruCache = new LRUCache(5); -
lruCache.put("001", "用户1信息"); -
lruCache.put("002", "用户1信息"); -
lruCache.put("003", "用户1信息"); -
lruCache.put("004", "用户1信息"); -
lruCache.put("005", "用户1信息"); -
lruCache.get("002"); -
lruCache.put("004", "用户2信息更新"); -
lruCache.put("006", "用户6信息"); -
System.out.println(lruCache.get("001")); -
System.out.println(lruCache.get("006")); -
} -
需要注意的是,这段不是线程安全的,要想做到线程安全,需要加上synchronized修饰符。




告诉大家一个好消息,小灰的《漫画算法》全面上架啦,在短短的两周里,本书一度霸占着各大畅销榜榜首!
扫码查看详情

小灰把两年多以来积累的漫画作品进行了筛选和优化,并加上了一些更为基础和系统的入门章节,最终完成了本书的六大篇章:
第一章 算法概述
介绍了算法和数据结构的相关概念,告诉大家算法是什么,数据结构又是什么,它们有哪些用途,如何分析时间复杂度,如何分析空间复杂度。
第二章 数据结构基础
介绍了最基本的数据结构,包括数组、链表、栈、队列、哈希表的概念和读写操作。
第三章 树
介绍了树和二叉树的概念、二叉树的各种遍历方式、二叉堆和优先队列的应用。
第四章 排序算法
介绍了几种典型的排序算法,包括冒泡排序、快速排序、堆排序、计数排序、桶排序。
第五章 面试中的算法
介绍了10余道职场上流行的算法面试题及详细的解题思路。例如怎样判断链表有环、怎样计算大整数相加等。
第六章 算法的实际应用
介绍了算法在职场上的一些应用,例如使用LRU算法来淘汰冷数据,使用Bitmap算法来统计用户特征等。
本书是全彩印制,书中的每一章、每一节、每一句话、每一幅图、每一行代码,都经过了小灰和编辑们的精心打磨,力求用最为直白的方式把知识讲明白、讲透彻。


早期的漫画中存在一些叙述错误和表达不清晰的地方,小灰在本书中做了修正和补充;同时书中增加了许多全新的篇章,使得本书的内容更加系统和全面。
对于渴望学习算法的小伙伴,无论你是正在学习计算机专业的学生,还是已经进入职场的新人,亦或是拥有多年工作经验却不擅长算法的老手,这本《漫画算法》都能帮助你告别对算法的恐惧,认识算法、掌握算法。
为什么90%的程序员都爱Python?
扫码购买
新品8折优惠中

LRU缓存算法解析
本文深入解析LRU(最近最少使用)缓存算法的工作原理,通过实例展示如何使用哈希链表实现缓存,以及如何在访问或修改数据时更新缓存结构,确保缓存的高效性和实时性。

936

被折叠的 条评论
为什么被折叠?



