LRU-K缓存算法

一个历史队列,记录访问次数(不缓存),历史队列满后按照FIFO或者其他规则移除就行,达到K次后从历史队列移除,加入到缓存队列,并缓存。

实现原理:

1. 数据第一次被访问,加入到访问历史列表;

2. 如果数据在访问历史列表里后没有达到K次访问,则按照一定规则(FIFO,LRU)淘汰;

3. 当访问历史队列中的数据访问次数达到K次后,将数据索引从历史队列删除,将数据移到缓存队列中,并缓存此数据,缓存队列重新按照时间排序;

4. 缓存数据队列中被再次访问后,重新排序;

5. 需要淘汰数据时,淘汰缓存队列中排在末尾的数据,即:淘汰“倒数第K次访问离现在最久”的数据。

LRU-K具有LRU的优点,同时能够避免LRU的缺点,实际应用中LRU-2是综合各种因素后最优的选择,LRU-3或者更大的K值命中率会高,但适应性差,需要大量的数据访问才能将历史访问记录清除掉。

参考:http://flychao88.iteye.com/blog/1977653

转载于:https://my.oschina.net/liujiest/blog/716972

03-16
### LRU缓存机制原理 LRU(Least Recently Used,最近最少使用)是一种常见的缓存淘汰策略。它的核心思想是基于“时间局部性”原理,即在一段时间内,被访问过的数据在未来仍然会被频繁访问的概率较高[^3]。因此,在缓存空间不足时,优先淘汰那些最长时间未被使用的数据。 #### 数据结构的选择 为了高效实现LRU缓存机制,通常采用**哈希表**和**双向链表**相结合的方式: - **哈希表**用于快速定位某个键是否存在以及它对应的值,支持 O(1) 时间复杂度的查找操作。 - **双向链表**用来维护键值对的使用顺序,新插入的数据或者刚被访问过的数据会被移动到链表头部,而链表尾部则是最久未使用的数据项。 当缓存达到容量上限时,可以从链表尾部迅速移除最不常用的数据项,并同步更新哈希表中的记录[^5]。 --- ### Python 实现代码 以下是基于上述理论的一个标准 `LRUCache` 的 Python 实现: ```python from collections import OrderedDict class LRUCache: def __init__(self, capacity: int): self.cache = OrderedDict() # 使用有序字典来模拟哈希表+双向链表的功能 self.capacity = capacity def get(self, key: int) -> int: if key not in self.cache: return -1 # 将访问的key移到OrderedDict的最后位置表示最近使用过 self.cache.move_to_end(key) return self.cache[key] def put(self, key: int, value: int) -> None: if key in self.cache: # 更新已存在的key并将其标记为最近使用 self.cache.move_to_end(key) self.cache[key] = value if len(self.cache) > self.capacity: # 移除最早加入的元素(即最久未使用的) self.cache.popitem(last=False) # 测试用例 lRUCache = LRUCache(2) lRUCache.put(1, 1) # 缓存是 {1=1} lRUCache.put(2, 2) # 缓存是 {1=1, 2=2} print(lRUCache.get(1)) # 返回 1 lRUCache.put(3, 3) # 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3} print(lRUCache.get(2)) # 返回 -1 (未找到) lRUCache.put(4, 4) # 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3} print(lRUCache.get(1)) # 返回 -1 (未找到) print(lRUCache.get(3)) # 返回 3 print(lRUCache.get(4)) # 返回 4 ``` 此代码利用了 Python 中的 `OrderedDict` 来简化实现过程,其中内置方法 `.move_to_end()` 和 `.popitem()` 提供了方便的操作接口[^2]。 --- ### 关于性能分析 通过结合哈希表与双向链表的设计方案,可以确保以下操作均能在常数时间内完成: - 插入新的键值对; - 查找指定键的存在状态及其关联值; - 删除最旧的条目以腾出空间。 这种高效的特性使 LRU 成为许多实际应用场景下的理想选择之一[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值