LRU算法及JAVA實現

引子：

我們平時總會有一個電話本記錄所有朋友的電話，但是，如果有朋友經常聯繫，那些朋友的電話號碼不用翻電話本我們也能記住，但是，如果長時間沒有聯繫了，要再次聯繫那位朋友的時候，我們又不得不求助電話本，但是，通過電話本查找還是很費時間的。但是，我們大腦能夠記住的東西是一定的，我們只能記住自己最熟悉的，而長時間不熟悉的自然就忘記了。

其實，計算機也用到了同樣的一個概念，我們用緩存來存放以前讀取的數據，而不是直接丟掉，這樣，再次讀取的時候，可以直接在緩存裏面取，而不用再重新查找一遍，這樣系統的反應能力會有很大提高。但是，當我們讀取的個數特別大的時候，我們不可能把所有已經讀取的數據都放在緩存裏，畢竟內存大小是一定的，我們一般把最近常讀取的放在緩存裏（相當於我們把最近聯繫的朋友的姓名和電話放在大腦裏一樣）。現在，我們就來研究這樣一種緩存機制。

LRU緩存：

LRU緩存利用了這樣的一種思想。LRU是Least Recently Used 的縮寫，翻譯過來就是“最近最少使用”，也就是說，LRU緩存把最近最少使用的數據移除，讓給最新讀取的數據。而往往最常讀取的，也是讀取次數最多的，所以，利用LRU緩存，我們能夠提高系統的performance.

實現：

要實現LRU緩存，我們首先要用到一個類 LinkedHashMap。 用這個類有兩大好處：一是它本身已經實現了按照訪問順序的存儲，也就是說，最近讀取的會放在最前面，最最不常讀取的會放在最後（當然，它也可以實現按照插入順序存儲）。第二，LinkedHashMap本身有一個方法用於判斷是否需要移除最不常讀取的數，但是，原始方法默認不需要移除（這是，LinkedHashMap相當於一個linkedlist），所以，我們需要override這樣一個方法，使得當緩存裏存放的數據個數超過規定個數後，就把最不常用的移除掉。LinkedHashMap的API寫得很清楚，推薦大家可以先讀一下。

要基於LinkedHashMap來實現LRU緩存，我們可以選擇inheritance, 也可以選擇 delegation， 我更喜歡delegation。基於delegation的實現已經有人寫出來了，而且寫得很漂亮，我就不班門弄斧了。代碼如下：

import java.util.LinkedHashMap;
import java.util.Collection;
import java.util.Map;
import java.util.ArrayList;

/**
* An LRU cache, based on <code>LinkedHashMap</code>.
*
* <p>
* This cache has a fixed maximum number of elements (<code>cacheSize</code>).
* If the cache is full and another entry is added, the LRU (least recently used) entry is dropped.
*
* <p>
* This class is thread-safe. All methods of this class are synchronized.
*
* <p>
* Author: Christian d'Heureuse, Inventec Informatik AG, Zurich, Switzerland<br>
* Multi-licensed: EPL / LGPL / GPL / AL / BSD.
*/
public class LRUCache<K,V> {

private static final float   hashTableLoadFactor = 0.75f;

private LinkedHashMap<K,V>   map;
private int                  cacheSize;

/**
* Creates a new LRU cache.
* @param cacheSize the maximum number of entries that will be kept in this cache.
*/
public LRUCache (int cacheSize) {
   this.cacheSize = cacheSize;
   int hashTableCapacity = (int)Math.ceil(cacheSize / hashTableLoadFactor) + 1;
   map = new LinkedHashMap<K,V>(hashTableCapacity, hashTableLoadFactor, true) {
      // (an anonymous inner class)
      private static final long serialVersionUID = 1;
      @Override protected boolean removeEldestEntry (Map.Entry<K,V> eldest) {
         return size() > LRUCache.this.cacheSize; }}; }

/**
* Retrieves an entry from the cache.<br>
* The retrieved entry becomes the MRU (most recently used) entry.
* @param key the key whose associated value is to be returned.
* @return    the value associated to this key, or null if no value with this key exists in the cache.
*/
public synchronized V get (K key) {
   return map.get(key); }

/**
* Adds an entry to this cache.
* The new entry becomes the MRU (most recently used) entry.
* If an entry with the specified key already exists in the cache, it is replaced by the new entry.
* If the cache is full, the LRU (least recently used) entry is removed from the cache.
* @param key    the key with which the specified value is to be associated.
* @param value  a value to be associated with the specified key.
*/
public synchronized void put (K key, V value) {
   map.put (key, value); }

/**
* Clears the cache.
*/
public synchronized void clear() {
   map.clear(); }

/**
* Returns the number of used entries in the cache.
* @return the number of entries currently in the cache.
*/
public synchronized int usedEntries() {
   return map.size(); }

/**
* Returns a <code>Collection</code> that contains a copy of all cache entries.
* @return a <code>Collection</code> with a copy of the cache content.
*/
public synchronized Collection<Map.Entry<K,V>> getAll() {
   return new ArrayList<Map.Entry<K,V>>(map.entrySet()); }

} // end class LRUCache
------------------------------------------------------------------------------------------
// Test routine for the LRUCache class.
public static void main (String[] args) {
   LRUCache<String,String> c = new LRUCache<String, String>(3);
   c.put ("1", "one");                           // 1
   c.put ("2", "two");                           // 2 1
   c.put ("3", "three");                         // 3 2 1
   c.put ("4", "four");                          // 4 3 2
   if (c.get("2") == null) throw new Error();    // 2 4 3
   c.put ("5", "five");                          // 5 2 4
   c.put ("4", "second four");                   // 4 5 2
   // Verify cache content.
   if (c.usedEntries() != 3)              throw new Error();
   if (!c.get("4").equals("second four")) throw new Error();
   if (!c.get("5").equals("five"))        throw new Error();
   if (!c.get("2").equals("two"))         throw new Error();
   // List cache content.
   for (Map.Entry<String, String> e : c.getAll())
      System.out.println (e.getKey() + " : " + e.getValue()); }

代碼出自：http://www.source-code.biz/snippets/java/6.htm

在博客 http://gogole.iteye.com/blog/692103 裏，作者使用的是雙鏈表 + hashtable 的方式實現的。如果在面試題裏考到如何實現LRU，考官一般會要求使用雙鏈表 + hashtable 的方式。 所以，我把原文的部分內容摘抄如下：

雙鏈表 + hashtable實現原理：

將Cache的所有位置都用雙連表連接起來，當一個位置被命中之後，就將通過調整鏈表的指向，將該位置調整到鏈表頭的位置，新加入的Cache直接加到鏈表頭中。這樣，在多次進行Cache操作後，最近被命中的，就會被向鏈表頭方向移動，而沒有命中的，而想鏈表後面移動，鏈表尾則表示最近最少使用的Cache。當需要替換內容時候，鏈表的最後位置就是最少被命中的位置，我們只需要淘汰鏈表最後的部分即可。

public class LRUCache {

    private int cacheSize;
    private Hashtable<Object, Entry> nodes;//緩存容器
    private int currentSize;
    private Entry first;//鏈表頭
    private Entry last;//鏈表尾

    public LRUCache(int i) {
        currentSize = 0;
        cacheSize = i;
        nodes = new Hashtable<Object, Entry>(i);//緩存容器
    }

    /**
     * 獲取緩存中對象,並把它放在最前面
     */
    public Entry get(Object key) {
        Entry node = nodes.get(key);
        if (node != null) {
            moveToHead(node);
            return node;
        } else {
            return null;
        }
    }

    /**
     * 添加 entry到hashtable, 並把entry
     */
    public void put(Object key, Object value) {
        //先查看hashtable是否存在該entry, 如果存在，則只更新其value
        Entry node = nodes.get(key);

        if (node == null) {
            //緩存容器是否已經超過大小.
            if (currentSize >= cacheSize) {
                nodes.remove(last.key);
                removeLast();
            } else {
                currentSize++;
            }
            node = new Entry();
        }
        node.value = value;
        //將最新使用的節點放到鏈表頭，表示最新使用的.
        moveToHead(node);
        nodes.put(key, node);
    }

    /**
     * 將entry刪除, 注意：刪除操作只有在cache滿了纔會被執行
     */
    public void remove(Object key) {
        Entry node = nodes.get(key);
        //在鏈表中刪除
        if (node != null) {
            if (node.prev != null) {
                node.prev.next = node.next;
            }
            if (node.next != null) {
                node.next.prev = node.prev;
            }
            if (last == node)
                last = node.prev;
            if (first == node)
                first = node.next;
        }
        //在hashtable中刪除
        nodes.remove(key);
    }

    /**
     * 刪除鏈表尾部節點，即使用最後 使用的entry
     */
    private void removeLast() {
        //鏈表尾不爲空,則將鏈表尾指向null. 刪除連表尾（刪除最少使用的緩存對象）
        if (last != null) {
            if (last.prev != null)
                last.prev.next = null;
            else
                first = null;
            last = last.prev;
        }
    }

    /**
     * 移動到鏈表頭，表示這個節點是最新使用過的
     */
    private void moveToHead(Entry node) {
        if (node == first)
            return;
        if (node.prev != null)
            node.prev.next = node.next;
        if (node.next != null)
            node.next.prev = node.prev;
        if (last == node)
            last = node.prev;
        if (first != null) {
            node.next = first;
            first.prev = node;
        }
        first = node;
        node.prev = null;
        if (last == null)
            last = first;
    }
    /*
     * 清空緩存
     */
    public void clear() {
        first = null;
        last = null;
        currentSize = 0;
    }

}

class Entry {
    Entry prev;//前一節點
    Entry next;//後一節點
    Object value;//值
    Object key;//鍵
}

轉自http://blog.csdn.net/beiyeqingteng/article/details/7010411