lru算法四种实现方式介绍

那么说咱们来聊一聊 redis 的 l i u 算法，想知道它是如何实现的？ l i u 算法呢，翻译过来叫做最近最少使用算法，它呢是一种内存数据的淘汰策略，那么最常见的场景呢是当内存不足的时候呢，需要淘汰掉最近最少使用的数据。 l i u 呢一般是用于缓存系统的一个淘汰策略，那他们是能讲一讲 l i u 的基本实现原理吗？举个例子，我们的内存压占大小呢是三，也就是说只能存储三个值，那么一开始呢，来了一个七， 这个时候呢，七就进入到了站的最下面，然后呢又来一个零，然后呢也进入了这个站下面，然后呢紧接着再来一个一，也入站了。那么到了最后这个时候呢，来了个二，这个时候呢，我们的空间呢其实已经不足了，那这时候呢，我们就需要淘汰最近最少使用的，也就是我们的七，我们呢就会将七淘汰掉， 然后呢我们再把二放进去，那么这个时候呢，占中的值就变成了二幺零，然后这个时候呢，零如果又被使用了，那么就要将零呢要放到最上面，然后这个占里面的值呢就变成零二幺。假如这个时候又来一个三，那么占里面呢又变成了三零二， 那么接着假设您又被使用了，您呢又会占用到最上面，接下来如果再来一个四，又会顶掉下面的二，就变成了四零三。大家可以看这个图的一个变化，那么当你把这个图看懂以后呢，相信你已经对 aio 的一个运算过程已经了解了，那 ready 使用的 ai 预算好像是怎样的呢？ 问题是呢，对 l i o 的一个算法做了一些优化，因为传统的 l i o 算法呢，存在两个问题，第一个呢，就是数据的使用情况，需要额外的空间进行存储。第二个呢，会删除肉 k， 从而导致最希望命中的数据呢，可能会丢失。为了帮助大家在这个求职旺季顺利上岸，我特意 整理了一份 java 程序员求职初期手册，包含五十万字的高频 miss 题、简历模板和学习路线图，大家可以去评论区的字典中领取。为了避免这两个问题呢， reds 使用的抽样的方式对 liu 算法呢进行了一个优化，当然可能存在一定的精准度问题， 但是呢，根据官方的数据，当车辆数据达到十的时候，就已经非常接近传统的 liu 算法了。所以呢，在 regis 配置文件中呢，提供了一个属性叫做 max menery， 它的一个默认值就是五， 这个值呢是表示随机抽取五个 k 的值，然后呢，对这五个 k 呢，按照 liu 算法进行删除，所以呢，很明显， k 值越大，那么删除的准确度呢，也就越高。来看这么一段元代码， 它是表示我们 radius 的一个整体的数据对象。我们要注意到 radius 的底层， oppo 级的对象呢，他会拥有一个 liu 属性，那么他记录了对象的最后一次的使用时间，他是一个三个字节的二十四位的数据。我们在创建对象的时候啊，就会将 liu 的数据呢写入进去，那如果对象被重新访问， liu 呢也会同步进行更新。 我们的算法呢，就是通过当前的这个时间搓减去 l i 里面的这个记录的系统时间，那么得到那个差值最大的，我们就会把它删掉。然后呢， redis 呢，还做了一个小小的优化，在 redis 中啊，维护了一个全局的属性，叫做 l r u clock， 这个属性呢，是通过一个全局函数 sever crom， 它是每隔一百毫秒执行一次来进行更新的，那么它记录的是当前的这个 unix 的一个时间戳。这个时候我们就会想到，如果用真正的时间岂不是更加精准呢？这是因为 redis 希望在每一次更新 l i u 的时候是直接取全 数据时间出，这样的话就不用去调用系统的时间，从而去避免误差。而 liu 的属性的最大值呢，是二十四位，也就是说最多是一百九十四天，一旦超过了就会从零开始，这个时候呢，就会有概率出现 liu 的属性大于全局的时间出的情况。 于是呢， ratis 呢，他就设置了两种计算方式，当全局的 l i u clock 大于 l l 的时候，那么就使用 l i u clock 呢去减掉 l i u， 得到一个空前时间。那么当全局的 l i u clock 小于 l i u 的时候呢，就使用 l i u clock max， 也就是一百九十四天这么一个值去 减掉 i r u， 加上 i r u clock， 得到一个空降时间。以上呢，就是 redis 对 i i u 算好的一个优化，以及 redis i r u 的一个实现方式。感谢各位的关注和点赞，各位同款们如果还有需要补充的话，可以在评论区留言。

job 面试题，什么 l r u 请手写使用 link hash map 实现 l r u 缓存？ hello， 大家好，我是架构师奶爸。 l r u 是 least recently used 的缩写， 它是一种常用的缓存淘汰策略。在 java 中，我们可以使用 linktash map 来实现 l r u 缓存。在 l r u 策略中， 我们保留最近使用的数据项，当缓存达到最大容量时，将最不常用的数据项从缓存中移除。这个算法是基于一个观察， 如果一个数据项最近被使用过，那么他很可能会在将来被再次使用。因此，当缓存接近其最大容量时，我们应该移除最近最少使用的数据项。在 java 中，我们可以使用 hash map 来实现一个简单的 l r u 缓存。 linked hash map 继承自 hash map， 它在 hash map 的基础上维护了一个双向链表，这个链表按照元素的插入顺序或访问顺序来排列元素。当我们访问一个元素时， 我们可以将它移到链表的尾部，这样就可以保证链表头部的元素是最近最少使用的元素。当缓存达到最大容量时， 我们可以删除链表头部的元素。以上是一个使用 linktash map 实现 l r u 缓存的视力代码。 在这个势力代码中，我们通过继承 linked hash map 并覆盖其 remove eldest entry 方法来实现 l r u 缓存。在 remove eldest entry 方法中，当缓存的大小超过其最大容量 时，我们返回 true 并删除链表头部的元素，这样我们就可以保证 l r u 策略的正确执行。想了解更多 java 架构师岗位知识，请关注我架构师奶爸，点赞转发收藏，共同筑基 java 架构师！

了解过 redis 中的内存淘汰算法的同学，对于 l r u 和 l f u 这两种算法一定不陌生，可是 l r u 和 l f u 的本质区别是什么？如何从深层次去理解内存淘汰算法的底层逻辑？ hello， 大家好，我是箍炮科技联合创始人 mike， 今天我将会分享一下 liu 和 lfu 算法的实现原理，去帮助大家提高价格设计思维。另外，我把往期的视频内容整理成了一本家网面试指南，里面包含了五十万字的面试文档、两百份精修简历模板以及家网价格师学习路线图，有需要的小伙伴可以在我的评论区置顶中去领取。 l r u 和 l f u 都是内存淘汰算法，这两个算法的主要作用都是确保在有线内存中存储的数据尽可能都是高频的，也就是所谓的热数据。以 redis 为例， redis 中的数据呢，是存在内存中的，一旦内存不够的时候， redis 会淘汰部分不经常使用的数据，腾出内存空间，这里就会用到内存淘汰算法。尽管 l i u 和 l f 的目标相同，但是他们的工作原理和决策过程是有本质上区别的。第一， l i u 算法呢，一般是通过一个链表加哈气表来实现的，双向链表用来记录节点的顺序， 头部表示最近访问节点。哈奇表呢，用来提高列表的数据查找速度。当访问某个数据的时候呢，我们会把这个数据移动到列表的头部，表示热点数据。如果列表的长度达到预值，我们会把尾部的最后一个节点去掉，这就是淘汰过程。 可以看到， l i u 的原理是基于一个假设，也就是最近使用过的数据在未来再次被使用的概率比较高，他会跟踪每个数据最后访问的一个时间，并淘汰最长时间没有被访问的数据。所以呢， l i u 有一个弊端，就是如果某个数据长时间没有被访问， 但是最近被访问了一次，他有可能被定性为热点数据。第二， l f u 算法一般是采用多个列表来组合实现。 l f u 的实现通常需要一个计数器来记录每个数据项的访问次数。他的基本思路是会记住每一个数据的访问频率，并且按照频率进行排序， 一旦缓存满了，则会淘汰频率最低的数据。 l f u 算法基于另外一个假设，也就是过去频繁访问的数据在未来也可能会被频繁访问到。 当长期数据访问模式比较稳定且重视数据项的频率更多于实效性的话， l f u 是一个最适合的选择。 这两种算法各有优缺点，适用于不同的应用场景。 li 的实现通常更简单，而 lf 呢，可能需要更复杂的数据结构来高效跟踪和更新访问频率。在选择缓存淘汰策略的时候呢，更重要的是要考虑你的应用场景和数据访问的一个模式。 以上就是我的理解，今天的视频呢，就分享这里，如果你觉得这个视频对你有所帮助，记得点赞和关注，我是麦克，我们下期再见。

red is the lru 算法是如何工作的？ red is 中的 lol is recently used 算法是一种用于管理内存中数据的算法。它的主要目标是在内存不足时选择要删除的数据项， 以便为新数据腾出空间。 l r u 算法基于一个简单的原则，最近最少使用的数据项将被优先删除。 以下是 redis 的 l r u 算法工作原理的详细解释。一、数据项访问当一个数据项被访问、读取或写入时， redis 会将该数据项标记为最近使用，并将其移动到列表的前面，表示它是最新的数据。二、列表维护 redis 维护一个双向列表，或称为列表，用于记录数据项的访问顺序。列表的头部表示最近使用的数据项，而尾 不表示醉酒未使用的数据项。当一个数据项被访问时，他将被移到链表的头部。三、淘汰策略当 redis 需要释放内存以容纳新的数据时，他会从链表的尾部开始查找醉酒未使用的数据项， 然后将其删除。这就是 l r u 算法的核心。选择最久未使用的数据项进行淘汰。四、过期键处理在 l r u 算法中，如果一个数据项设置了过期时间 t t l， 那么他将根据 t t l 值自动过期，即使他曾经被访问过。过期键的处理不依赖于 l r u 算法。需要注意的是， redis 的 l r u 算法并不是精确的 l r u 实现，因为完全记录每次访问可能会导致高昂的性能开销。相反， redis 采用了一种近似 l r u 的策略，它可以有效的管理内存，同时保持相对低的计算成本。总结来说， redis 的 l r u 算法通过维护一个数据项访问顺序的链表来选择要淘汰的数据项，优先淘汰最久未使用的数据， 从而帮助管理内存并确保高效的内存使用。这使得 reddis 成为一个出色的缓存和数据存储引擎。

今天我们来看一个手撕代码的一个题啊，就 l r u 缓存。这个缓存的话主要就是为了存储 呃，固定容量的一些缓存。这里这个这里容量只是指的那个我们缓存调数就是 最近用的缓存，可能他的优先的顺序在前面，然后用的越少的缓存，他的他的排序可能就在后面。所以我们这里用结实的一个 es 六的 map 结构来存储这个缓存。后面我们待会儿讲一下 为什么用这个 map。 要实现这个缓存的话，我们有两个方法，一个是 get 方法，一个是 pro 的方法。 get 就是取用就是取用， pro 的话就是设置我们缓存值。不管 get 还 pro， 我们都需要在每次调用的时候去更新这个缓存的排序， 就相当于最近用到了过后就必须要把它排到前面。呃，我们这里 get 的话，我们先判断一下它有没有这个值，如果没有我们就直接返回返回浪，这里应该是 on the five。 然后我们需要去把这个纸取出来，直接取出来。 好的，取出来过后，我们就需要把这个把这个值的排序更新一下。这里怎么更新呢？主要就是说 相当于把先把他之前的值先删掉，删了过后我们再去 set 一次， set 这一次过后，我们就这个值的话，就自动地 set 到我们的 map 的最后了。所以我们刚我们来说一下这个 map 结构。 map 结构的话， 嗯，理论上他就是一个有序的，就是他的 k c 有序的排序的。他的顺序主要依赖 set 的时候的一个排序， set 的越早，他的排 排序 k 的排序就越靠前，现在的越晚的话，就排序就在最后。所以我们用这个 map 的一个特性去实现这个排序。 好，我们设置了过后先删除再设置，这样的话我们用到的这个 get 这个词的话，就直自动的排到我们的最后了。 这里要注意点就是排到最后的话的意思是就是这个他被删除的可能就是在最后，因为我们删除的话是从这个。其实 这里没有列表，但是我觉得这个说一下列表就是我们删除的数是三的列表头。 当我们的缓存的容量超过我们设定的容量过后，我们直接把他的头删掉，这样的话我们的越靠后的一个缓存值就相当于越被删的可能性就越排到最后。 ok， 这就是我们的 get 方法已经实现了。我们来看看我们的 pro 方法。其实 pro 方法的话和 get 的的这个实现的原理是一样的啊，就是首先我们要判断一下有没有这个值，如果有的话我们就把它删掉， 删掉的目的就是为了更新它的排序。 然后我们就直接把这个值给 set 一次。 pro， 其实就是 set 的意思啊，把这个值 set 这样的话，它排序就放到了最后，就最后才能被删。 然后我们还要判断一下这个容量，如果当前的缓存容量 小于大于或等于我们的设定的容量的话，就需要去删除我们多余的缓存。 这里刚刚说的我们三的话是从头先上起的，所以我们需要去找第一 一个元素。 我们这里就直接去取我们最前面的一个 key， 我们这里直接用它的 keys 方法可以获取这个 map 的所有 key。 然后这里为什么有一个 next value， 是因为我们取到的 key 是一个可叠的对象，它有一个 next 方法，其实类似我们的 generator， 每掉一次 next 方法会返回一个 value 和一个 down， 释放为出和 force。 所以我们这里就直接取到了 first k， 然后我们就把这个 first 给删掉。 这就是我们的整整个 l r u 缓存实线的一个方法。我们来测试一下，就是我们这个到底有没有效。 测试的话，我们就直接在这个文件里面写一个测试方法。首先我们实力画一个 ai， 由缓存 实力化完成过后，我们传一个，它的容量为三。我们依次的设置三个 不同的 key 哦，应该是四个。 这里我们快进一点啊。 好，我们设置了四个不同的值。理论上当他超过与四过的时候，这里的话会删除最 最先插入的一个元素。因为我每次 pro 的时候，他的优先就会变更嘛，所以他应该 打印出二三四。另外我们测试一下 get 方法。 二三四。 get 方法的话，当我们有只有二三四的时候，就相当于有只有 b c d。 我们再 get 一下 b， 理论上我们的 b 的话就会排到 我们的最后的一个位置，所以说他会输出三四二的一个排序。我们在我们终端里面去测试一下这个结果。 好，大家我们可以看到和我们的预期是一致的， 我们的这里是三四二是对的，然后这边是三二三四也是对的。所以这就是我们的一个 l r u 缓存。用 e s 六的 map 怎么去具体实现啊？今天的节目就到这里，谢谢大家的观看。

大家好，这里是哲图，我们来讲一下今天的立口，每日一题， lru 缓存。这又是一道程序设计类的题目，让我们实现 lru 缓存的 get 和 pro 操作。那简单说一下 lru 缓存是什么？在我看来就是实用主义的体现，那比如说我现在需要对一些工具进行排序，如果用了下锤子， 那么我就把这个锤子从这个工具里面拿出来，用完之后，我把这个锤子放到所有工具的最前面。那如果我用了下锄头，但是工具里没有锄头，那么我从别的地方搞来锄头之后，我就把它放在所有工具的最前面，如果工具的数量超过了最大限制，那么我就把最尾巴的工具扔掉。 l r u 就是我最近使用的，就排在最前面，很久不用了，就排在后面，直到超过了容量，我们就把这种不用的移出缓存在本题中， get 操作就是要我们找出缓存中是否有目标的剑指队，如果有，那么我们需要将这个剑指队移动到 缓存的最开头，如果没有，我们直接返回负一。或者操作也需要我们找出缓存中是否有目标的限制队，如果有，那么我们更新这个键的值，并且移动到缓存的最开头，如果没有，我们就添加这个键时队到缓存的最开头。并且如果缓存的大小超过了限制的大小，我们就把缓存的最末给丢掉。并且如果缓存大小超过了最大限制， 那么我们就把缓存的最末尾的数据给丢掉。这个模拟起来其实不难，难点在于常规的模拟会超时，因为题目这边要求我们用 oe 的平均时间复杂度，也就是说我们无法通过便利缓存来实现模拟的操作。 我们需要记录缓存中的先后顺序，并且有时候需要改变先后顺序，因此我们这边是使用电表来记录缓存。如果我们要从容器中找出一个元素，但是不能通过便利的方式去找，那么比较容易想到就是用 set 或者是 map。 我们这边用的是 map， 用 map 来将键以及键值在电表中的迭代器的指针进行一个绑， 这样我们既可以定位到缓存中的目标，使用叠带器更方便我们删除列表中的节点。在 get 中，如果我们找不到，我们就返回负一，反之就把对应的键子从列表里删除，我们再添加回列表的开头，并且需要更新 map 中的记录。这边有个错误示范，我做这题的时候，这边卡了一下， 就是我们这边需要获取的是目标的剑指队，而不是获取目标的迭代器。因为如果是迭代器的话，我这边做一个三组操作之后，迭代器的位置他指的位置是不变的， 但是原本位置的元素却发生了改变，我们这边再添加回去的话，就可能不是原来的元素，而是未知元素了。所以我们这边获取的是剑指队，删除的时候我们用 map 来获取，添加回去的时候我们用这边获取出来的。在步骤中，无论我们找不找得到剑，我们都需要把新的剑指队给添加到列表的开头， 如果找得到键，我们就把键在列表中的老地方给移除掉，如果找不到呢，我们就需要做个判断，如果缓存的大小超过了大小限制，我们就需要把列表的尾部给移除，那么这里是截图，我们下次再见。

大家好，我是同龄课堂朱老师，今天来赶会，分享一节面试题， red 淘汰 k 的算法 l r u 与 l f u 的区别啊。 呃，那呃你要搞明白这个问题啊。呃，你要呃看看我们上一个面试题啊，关于那个 ready 是那个淘汰策略啊，就是内存淘汰策略，他是怎么回事啊？我们这边当时讲了八种策略啊，那其实关于这里面呃像每一种策略的区别，比方说像这两种啊，后面有个 lru 啊，这个 l f u 包括这种针对过七 k 处理的两种策略，也是 l r u l f u 啊，其实它们都是呃针对我们内存 k 淘汰的一些算法， 那 l r u 和 l f u 它们之间到底区别什么样？也就设置两种策略它有什么区别？给大家解释一下。就是 l r u， 顾名思义嘛， next recently， 就最近最少使用 用的 k 我会删掉。那然后还有一个叫 nes 的 frequently use， 就最近最不经常使用的 k 我会删掉。也就我们说的 l f u l l r u 它干嘛？它是淘汰掉很久没有被访问的数据， 注意，它的淘汰标准是以最近一次访问时间作为参考的。那 l f u 它实际上是淘汰最近一段时间被访问次数最少的数据，它是以访问次数作为参考的。 ok， 那这两种算法什么时候呃用哪一种呢？那给阿给阿豪去讲讲。其实我们绝大多数时候我们都应该用 l r u 这种策略，这种策略实际上是我们用的最多的， 那就包括这个内存淘汰策略，就我们也推荐那会呃选这种策略就针对过七 k 使用 l r u 的算法，那当然，有的同学说，那 l f u 我什么时候去用呢？是这样的啊，如果说，呃，我们的业务 场景里面是有大量的一些热点缓存数据，那我告诉你，针对这种情况，我们用 lfu 可能会更好一点。为什么？给你解释一下啊？就是比方说我们热点缓存大家都知道，那肯定访问次数是比较多的，对不对？那假设我们现在有一个热点缓存的 k， 假设 ke 他可能在五分钟之前被访问了几百次，假设访问了两百次， ok， 但是最近这五分钟可能暂时，呃，前端没有发过来请求访问他，那假设我们现在还有个 k 二，这个 k 二他可能上一次访问是几分钟之前。 那不巧，在我最近的几分钟，也就最近这五分钟之内有一个请求给他访问了一次， ok， 那大伙思考一下，我们现在说的场景是有大量的就这种热点缓存数据是比较多的，也就呃很多很多缓存他的使用次数，他的使用次数比较多的。但如果说 你用 lru 这种策略来去淘汰数据的话，那干嘛？那在这种情况下面可能就把 k 一给淘汰掉了。那 k 一是热点缓存，可能最近这五分钟确实没有被访问，但可能马上就有很多次的请求要请求到他了， 对不对？那所以你又把他删掉了，那对我们整个性能肯定会有影响。那所以对这种大量大量的这种热点缓存的场景，我们推荐大伙可以 用 lfu， 可能会更好一点。以他的那个访问次数的多少啊为淘汰的依据，可能会更好一点 啊。好，那呃今天就分享这里，那大伙如果说最近在面试的需要更多面试题的同学啊，我这边给大伙准备了很多很多。那大伙回头如果说想要啊，找一下啊，就可以去一下我们那个视频区的下方评论区获取啊。