对LRU算法的理解和应用场景

最新推荐文章于 2023-03-13 09:31:23 发布

原创

最新推荐文章于 2023-03-13 09:31:23 发布 · 2k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #缓存 #lru #js

本文探讨了LRU缓存的工作原理，如何在SSR框架Feb、Keep-alive源码和Redis中运用，以及在LeetCode中的常见问题。通过实例和算法实现，揭示了LRU在内存管理中的关键作用。

背景

最近没事看公司自研ssr框架feb，注意到里面页面级缓存和组件级缓存用到了LRU缓存，这让我想起了之前看keep-alive源码，貌似也是使用了LRU缓存。之前看过redis的文章，好像也是基于这个理念实现的；在刷leetcode的时候，有时候也会碰到类似LRU的题目。今天记录一下LRU算法，加深我们对这块的印象。

研究

LRU （Least recently used：最近最少使用）最近被访问的，被访问的几率变大。最少被访问的，当磁盘被写满时，会被清除。

一张图来理解一下：
在这里插入图片描述

假设我们有一块内存，一共能够存储 5 数据块；
依次向内存存入A、B、C、D、E，此时内存已经存满；
再次插入新的数据时，会将在内存存放时间最久的数据A淘汰掉；
当我们在外部再次读取数据B时，已经处于末尾的B会被标记为活跃状态，提到头部，数据C就变成了存放时间最久的数据；
再次插入新的数据G，存放时间最久的数据C就会被淘汰掉；

算法实现

class LRUCache {
  // 存储数据
  put (key, value) {
    if (this.cache[key]) {
      // 如果该 key 之前存在，将 key 重新激活
      this.active(key)
      this.cache[key] = value
      // 而且此时缓存的长度不会发生变化
      // 所以不需要进行后续的长度判断，可以直接返回
      retur

最低0.47元/天解锁文章