lrucache

序 本文主要研究一下dubbo的LRUCache LRUCache dubbo-2.7.2/dubbo-common/src/main/java/org/apache/dubbo/common/utils/LRUCache.java public class LRUCache<K, V> extends LinkedHashMap<K, V> { private static final long serialVersionUID = -5167631809472116969L; private static final float DEFAULT_LOAD_FACTOR = 0.75f; private static final int DEFAULT_MAX_CAPACITY = 1000; private final Lock lock = new ReentrantLock(); private volatile int maxCapacity; public LRUCache() { this(DEFAULT_MAX_CAPACITY); } public LRUCache(int maxCapacity) { super(16, DEFAULT_LOAD_FACTOR, true); this.maxCapacity = maxCapacity; } @Override

LRU是什么？ 按照英文的直接原义就是Least Recently Used,最近最久未使用法，它是按照一个非常注明的计算机操作系统基础理论得来的： 最近使用的页面数据会在未来一段时期内仍然被使用,已经很久没有使用的页面很有可能在未来较长的一段时间内仍然不会被使用 。基于这个思想,会存在一种缓存淘汰机制，每次从内存中找到最久未使用的数据然后置换出来，从而存入新的数据！它的主要衡量指标是使用的时间，附加指标是使用的次数。在计算机中大量使用了这个机制，它的合理性在于优先筛选热点数据，所谓热点数据，就是最近最多使用的数据！因为，利用LRU我们可以解决很多实际开发中的问题，并且很符合业务场景。 1.2：小王的困惑 当小王看到LRU的时候，瞬间感觉抓住了救命稻草，这个算法不是就完全契合产品的需求吗？只要把用户数据按照LRU去筛选，利用数据结构完成的事情，完全减少了自己存储、添加字段判断、排序的过程，这样对于提高服务器性能肯定有很大的帮助，岂不美哉！小王考虑好之后，就决定先写一个demo来实现LRU，那么在java中是如何实现LRU呢？考虑了许久。以上内容来自互联网 直接 上代码 1 <?php 2 require_once('PHPUnit/Autoload.php'); 3 require_once(dirname(__FILE__).'/../src/LRUCache/LRUCache

背景 DSP系统是互联网广告需求方平台，用于承接媒体流量，投放广告。业务特点是并发度高，平均响应低（百毫秒）。 为了能够有效提高DSP系统的性能，美团平台引入了一种带有清退机制的缓存结构LruCache(Least Recently Used Cache)，在目前的DSP系统中，使用LruCache + 键值存储数据库的机制将远端数据变为本地缓存数据，不仅能够降低平均获取信息的耗时，而且通过一定的清退机制，也可以维持服务内存占用在安全区间。 本文将会结合实际应用场景，阐述引入LruCache的原因，并会在高QPS下的挑战与解决方案等方面做详细深入的介绍，希望能对DSP感兴趣的同学有所启发。 LruCache简介 LruCache采用的缓存算法为LRU(Least Recently Used)，即最近最少使用算法。这一算法的核心思想是当缓存数据达到预设上限后，会优先淘汰近期最少使用的缓存对象。 LruCache内部维护一个双向链表和一个映射表。链表按照使用顺序存储缓存数据，越早使用的数据越靠近链表尾部，越晚使用的数据越靠近链表头部；映射表通过Key-Value结构，提供高效的查找操作，通过键值可以判断某一数据是否缓存，如果缓存直接获取缓存数据所属的链表节点，进一步获取缓存数据。LruCache结构图如下所示，上半部分是双向链表，下半部分是映射表（不一定有序）。双向链表中value

需求 随着公司的业务越来越复杂，需要提供一个用户系统，供各个业务系统来查询用户的基本信息。且业务方对用户信息的查询频率很高，设计的用户系统需要注意性能。 初始设计 ： 考虑到性能，可以在内存中创建一个哈希表作为缓存，每当查找一个用户时，会现在哈希表中进行查询，查询不到再去数据库查询。 初始设计 存在的问题 ： 随着用户量不断增大，可能会因为哈希表逐渐增大导致内存某一天会被撑爆。 初始设计的优化 ： 使用LRU算法（内存管理算法，Least Recently Used），最近最少使用的思想。算法基于一种假设：长期不被使用的数据，在未来被用到的几率也不大。因此，当数据所占内存达到一定阈值时，我们要移除掉最近最少被使用的数据。 LRU算法 在LRU算法中，使用一种叫作“哈希链表”的数据结构。哈希表由若干个key-value组成，逻辑上这些key-value是无所谓排序的。但在哈希链表中，这些key-value被一个链条串在一起，不再是无序的了，而是有 了固定的排列顺序。每一个key-value都有前驱key-value、后继key-value。所以我们可以把key-value按照最后使用的时间来进行排序。链表的尾部是最近被使用的，头部是最近被使用最少甚至没有被使用过的key-value。所以，当缓存容量达到上限时，会先删除链表最左端的值，再把新的值插入到链表的最右端。 LRU算法实现

今天参考MyBatis框架对LruCache进行了一个简单的实现,LruCache,顾名思义,实现了Lru算法的缓存容器, 而Lru算法,则是当容器已满还要添加数据的时候,移除最近最不常使用的数据,保留最近最常使用的数据 以下是我参考MyBatis框架中的LruCache写的一个简单实现 1 package com.company.cache; 2 3 import java.util.LinkedHashMap; 4 import java.util.Map; 5 6 public class LruCache implements Cache { 7 private Cache cache; 8 private Map<Object, Object> map; 9 //定义一个变量来接收过时的Key 10 private Object oldKey; 11 public LruCache(Cache cache) { 12 this.cache = cache; 13 setSize(3); 14 } 15 public void setSize(final int maxCap){ 16 //使用匿名内部类继承LinkedHashMap来实现Lru算法,同时限定Cache大小 17 map = new LinkedHashMap<Object, Object>(maxCap,

LeetCode.jpg 146. LRU缓存机制 运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。 获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。 写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。 进阶: 你是否可以在 O(1) 时间复杂度内完成这两种操作？ 示例: LRUCache cache = new LRUCache( 2 /* 缓存容量 */ ); cache.put(1, 1); cache.put(2, 2); cache.get(1); // 返回 1 cache.put(3, 3); // 该操作会使得密钥 2 作废 cache.get(2); // 返回 -1 (未找到) cache.put(4, 4); // 该操作会使得密钥 1 作废 cache.get(1); // 返回 -1 (未找到) cache.get(3); // 返回 3 cache.get(4); // 返回 4 Python3 实现 LRU(最近最少使用) 缓存机制 更多可参见： https://en

leetcode146.LRU缓存机制： 运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。 获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。 写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。 进阶: 你是否可以在 O(1) 时间复杂度内完成这两种操作？ 示例: LRUCache cache = new LRUCache( 2 /* 缓存容量 */ ); cache.put(1, 1); cache.put(2, 2); cache.get(1); // 返回 1 cache.put(3, 3); // 该操作会使得密钥 2 作废 cache.get(2); // 返回 -1 (未找到) cache.put(4, 4); // 该操作会使得密钥 1 作废 cache.get(1); // 返回 -1 (未找到) cache.get(3); // 返回 3 cache.get(4); // 返回 4 解题思路：参考别人哈希+双向链表的思路，AC码 /** Your LRUCache object will

题目： 运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。它应该支持以下操作： 获取数据 get 和 写入数据 put 。 获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。 写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。 进阶: 你是否可以在 O(1) 时间复杂度内完成这两种操作？ 示例: LRUCache cache = new LRUCache( 2 /* 缓存容量 */ ); cache.put(1, 1); cache.put(2, 2); cache.get(1); // 返回 1 cache.put(3, 3); // 该操作会使得密钥 2 作废 cache.get(2); // 返回 -1 (未找到) cache.put(4, 4); // 该操作会使得密钥 1 作废 cache.get(1); // 返回 -1 (未找到) cache.get(3); // 返回 3 cache.get(4); // 返回 4 思路： ​ 由题目中要求的O(1)时间复杂度想到缓存可以想到用一个map来存储key、value结点，题目最近最少使用到的（缓存）放到最后

problem 运用你所掌握的数据结构，设计和实现一个 LRU ( 最近最少使用 ) 缓存机制。它应该支持以下操作： 获取数据 get 和 写入数据 put 。 获取数据 get ( key ) - 如果密钥 ( key ) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。 写入数据 put ( key, value ) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。 进阶: 你是否可以在 O ( 1 ) 时间复杂度内完成这两种操作？ 示例: LRUCache cache = new LRUCache ( 2 /* 缓存容量 */ ) ; cache.put ( 1, 1 ) ; cache.put ( 2, 2 ) ; cache.get ( 1 ) ; // 返回 1 cache.put ( 3, 3 ) ; // 该操作会使得密钥 2 作废 cache.get ( 2 ) ; // 返回 -1 ( 未找到 ) cache.put ( 4, 4 ) ; // 该操作会使得密钥 1 作废 cache.get ( 1 ) ; // 返回 -1 ( 未找到 ) cache.get ( 3 ) ; // 返回 3 cache.get ( 4 ) ; // 返回 4 AC ac1 php版本

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。它应该支持以下操作： 获取数据 get 和 写入数据 put 。 获取数据 get(key) - 如果密钥 (key) 存在于缓存中，则获取密钥的值（总是正数），否则返回 -1。 写入数据 put(key, value) - 如果密钥不存在，则写入其数据值。当缓存容量达到上限时，它应该在写入新数据之前删除最近最少使用的数据值，从而为新的数据值留出空间。 进阶: 你是否可以在 O(1) 时间复杂度内完成这两种操作？ 示例: LRUCache cache = new LRUCache( 2 /* 缓存容量 */ ); cache.put(1, 1); cache.put(2, 2); cache.get(1); // 返回 1 cache.put(3, 3); // 该操作会使得密钥 2 作废 cache.get(2); // 返回 -1 (未找到) cache.put(4, 4); // 该操作会使得密钥 1 作废 cache.get(1); // 返回 -1 (未找到) cache.get(3); // 返回 3 cache.get(4); // 返回 4 class LRUCache { public: LRUCache(int capacity) { cap = capacity; } int get