21、基于链表实现的LRU算法

最新推荐文章于 2024-03-02 13:24:59 发布

qq_30272539

最新推荐文章于 2024-03-02 13:24:59 发布

阅读量580

点赞数

CC 4.0 BY-SA版权

分类专栏：数据结构学习

本文链接：https://blog.youkuaiyun.com/qq_30272539/article/details/89220455

本文介绍了LRU（最近最少访问）缓存淘汰算法，并探讨了使用链表实现时的时间复杂度问题。文章指出，链表实现中添加、删除和查找数据的时间复杂度为O(n)，而通过结合散列表和链表可以将操作时间复杂度降低到O(1)。随后，文章给出了基于链表的LRU算法的代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、简单介绍

1、LRU 中文意思是最近最少访问缓存淘汰，在我们的生活中到处可见。当我们用链表实现是需要O(n)时间复杂度。

2、我们需要维护一个按照访问时间从大到小有序排列的链表结构。因为缓存大小有限，当缓存空间不够，需要淘汰一个数据的时候，我们就直接将链表头部的结点删除。

(1)、当要缓存某个数据的时候，先在链表中查找这个数据。如果没有找到，则直接将数据放到链表的尾部；

(2)、如果找到了，我们就把它移动到链表的尾部。因为查找数据需要遍历链表，所以单纯用链表实现的 LRU 缓存淘汰算法的时间复杂很高，是 O(n)。

3、实际上，我总结一下，一个缓存（cache）系统主要包含下面这几个操作：
往缓存中添加一个数据；
从缓存中删除一个数据；
在缓存中查找一个数据。
这三个操作都要涉及“查找”操作，如果单纯地采用链表的话，时间复杂度只能是 O(n)。如果我们将散列表和链表两种数据结构组合使用，可以将这三个操作的时间复杂度都降低到 O(1)。

二、代码实现

package com.ipp.test;

import java.util.Iterator;
import java.util.LinkedList;
import java.util.Map;

/**
 * 基于链表实现
 */
public class LRUList {

    private LinkedList<Integer> list;
    private int cacheSize;

    LRUList(int cacheSize) {
        this.cacheSize = cacheSize;
        list = new LinkedList<Integer>();
    }

    /**
     * 往缓存中添加元素
     *
     * @param value
     */
    public void add(int value) {
        //1、判断元素是