如何在Java中实现LRU缓存 |
您所在的位置：网站首页 › 设计缓存模型怎么做 › 如何在Java中实现LRU缓存 |
如何在Java中实现LRU缓存
|
1. 概述
在本教程中，我们将了解 LRU缓存并了解 Java 中的实现。 2.LRU缓存最近最少使用 (LRU) 缓存是一种缓存逐出算法，它按使用顺序组织元素。在LRU中，顾名思义，最长时间未使用的元素将从缓存中逐出。 例如，如果我们有一个容量为三个项目的缓存：
最初，缓存是空的，我们将元素 8 放入缓存中。元素 9 和 6 像以前一样被缓存。但现在，缓存容量已满，为了放置下一个元素，我们必须逐出缓存中最近最少使用的元素。 在我们用Java实现LRU缓存之前，有必要先了解一下缓存的一些方面： 所有操作应按 O(1) 的顺序运行 缓存的大小是有限的 所有缓存操作都必须支持并发 如果缓存已满，添加新项必须调用 LRU 策略 2.1. LRU 缓存的结构现在，让我们思考一个有助于我们设计缓存的问题。 我们如何设计一个可以在恒定时间内执行读取、排序（时间排序）和删除元素等操作的数据结构？ 看来，要找到这个问题的答案，我们需要深入思考一下关于LRU缓存及其特性的说法： 实际上，LRU 缓存是一种 队列—— 如果重新访问某个元素，它将到达驱逐顺序的末尾 由于缓存的大小有限，因此该队列将具有特定的容量。每当引入新元素时，它就会被添加到队列的头部。当驱逐发生时，它从队列的尾部发生。 命中缓存中的数据必须在恒定时间内完成，这在 Queue 中是不可能的！但是，使用 Java 的 HashMap 数据结构是可能的 删除最近最少使用的元素必须在恒定时间内完成，这意味着对于 Queue 的实现，我们将使用 DoublyLinkedList 而不是 SingleLinkedList 或数组所以，LRU缓存只不过是 DoublyLinkedList 和 HashMap 的组合，如下所示：
这个想法是将键保留在 Map 上，以便快速访问 Queue 中的数据。 2.2. LRU算法LRU 算法非常简单！如果该键存在于 HashMap 中， 则它是缓存命中；否则，这是缓存未命中。 发生缓存未命中后，我们将执行两个步骤： 在列表前面添加一个新元素。 在 HashMap 中添加一个新条目并引用链表的头部。并且，我们将在缓存命中后执行两个步骤： 删除hit元素并将其添加到列表前面。 使用对列表前面的新引用更新 HashMap 。现在，是时候看看我们如何在 Java 中实现 LRU 缓存了！ 3.Java中的实现首先，我们将定义 Cache 接口： public interface Cache { boolean set(K key, V value); Optional get(K key); int size(); boolean isEmpty(); void clear(); }现在，我们将定义代表缓存的 LRUCache 类： public class LRUCache implements Cache { private int size; private Map linkedListNodeMap; private DoublyLinkedList doublyLinkedList; public LRUCache(int size) { this.size = size; this.linkedListNodeMap = new HashMap(maxSize); this.doublyLinkedList = new DoublyLinkedList(); } // rest of the implementation }我们可以创建一个具有特定大小的 LRUCache 实例。在此实现中，我们使用 HashMap 集合来存储对 LinkedListNode 的 所有引用。 现在，让我们讨论 LRUCache 上的操作。 3.1.看跌操作第一个是 put 方法： public boolean put(K key, V value) { CacheElement item = new CacheElement(key, value); LinkedListNode newNode; if (this.linkedListNodeMap.containsKey(key)) { LinkedListNode node = this.linkedListNodeMap.get(key); newNode = doublyLinkedList.updateAndMoveToFront(node, item); } else { if (this.size() >= this.size) { this.evictElement(); } newNode = this.doublyLinkedList.add(item); } if(newNode.isEmpty()) { return false; } this.linkedListNodeMap.put(key, newNode); return true; }首先，我们在 linkedListNodeMap 中找到存储所有键/引用的键。如果该键存在，则发生缓存命中，并且准备好从 DoublyLinkedList 中检索 CacheElement 并将其移动到前面*。* 之后，我们使用新引用更新 linkedListNodeMap 并将其移动到列表的前面： public LinkedListNode updateAndMoveToFront(LinkedListNode node, T newValue) { if (node.isEmpty() || (this != (node.getListReference()))) { return dummyNode; } detach(node); add(newValue); return head; }首先，我们检查节点是否不为空。此外，节点的引用必须与列表相同。之后，我们从列表中 分离 该节点并将 newValue 添加到列表中。 但如果该键不存在，则发生缓存未命中，我们必须将新键放入 linkedListNodeMap 中。在此之前，我们先检查列表大小。如果列表已满，我们必须从列表中 逐出 最近最少使用的元素。 3.2.获取操作我们来看看我们的 get 操作： public Optional get(K key) { LinkedListNode linkedListNode = this.linkedListNodeMap.get(key); if(linkedListNode != null && !linkedListNode.isEmpty()) { linkedListNodeMap.put(key, this.doublyLinkedList.moveToFront(linkedListNode)); return Optional.of(linkedListNode.getElement().getValue()); } return Optional.empty(); }正如我们在上面看到的，这个操作很简单。首先，我们从 linkedListNodeMap 中获取节点，然后检查它是否不为 null 或为空。 其余操作与之前相同，只有 moveToFront 方法有一点不同： public LinkedListNode moveToFront(LinkedListNode node) { return node.isEmpty() ? dummyNode : updateAndMoveToFront(node, node.getElement()); }现在，让我们创建一些测试来验证我们的缓存是否正常工作： @Test public void addSomeDataToCache_WhenGetData_ThenIsEqualWithCacheElement(){ LRUCache lruCache = new LRUCache(3); lruCache.put("1","test1"); lruCache.put("2","test2"); lruCache.put("3","test3"); assertEquals("test1",lruCache.get("1").get()); assertEquals("test2",lruCache.get("2").get()); assertEquals("test3",lruCache.get("3").get()); }现在，让我们测试一下驱逐政策： @Test public void addDataToCacheToTheNumberOfSize_WhenAddOneMoreData_ThenLeastRecentlyDataWillEvict(){ LRUCache lruCache = new LRUCache(3); lruCache.put("1","test1"); lruCache.put("2","test2"); lruCache.put("3","test3"); lruCache.put("4","test4"); assertFalse(lruCache.get("1").isPresent()); } 4. 处理并发到目前为止，我们假设我们的缓存仅在单线程环境中使用。 为了使这个容器线程安全，我们需要同步所有公共方法。让我们在之前的实现中添加一个 ReentrantReadWriteLock 和 ConcurrentHashMap ： public class LRUCache implements Cache { private int size; private final Map linkedListNodeMap; private final DoublyLinkedList doublyLinkedList; private final ReentrantReadWriteLock lock = new ReentrantReadWriteLock(); public LRUCache(int size) { this.size = size; this.linkedListNodeMap = new ConcurrentHashMap(size); this.doublyLinkedList = new DoublyLinkedList(); } // ... }我们更喜欢使用可重入读/写锁，而不是将方法声明为 同步 ，因为它使我们可以更灵活地决定何时使用读和写锁。 4.1. 写锁现在，让我们在 put 方法中添加对 writeLock 的调用： public boolean put(K key, V value) { this.lock.writeLock().lock(); try { //.. } finally { this.lock.writeLock().unlock(); } }当我们对资源使用 writeLock 时，只有持有锁的线程才能对该资源进行写入或读取。因此，尝试读取或写入该资源的所有其他线程都必须等待，直到当前锁持有者释放它。 这对于防止死锁非常重要。如果 try 块内的任何操作失败，我们仍然会在退出函数之前释放锁，并在方法末尾使用 finally 块。 需要 writeLock 的其他操作之一是 evictElement ，我们在 put 方法中使用了它： private boolean evictElement() { this.lock.writeLock().lock(); try { //... } finally { this.lock.writeLock().unlock(); } } 4.2. 读锁现在是时候向 get 方法添加 readLock 调用了： public Optional get(K key) { this.lock.readLock().lock(); try { //... } finally { this.lock.readLock().unlock(); } }这看起来正是我们用 put 方法所做的。唯一的区别是我们使用 readLock 而不是 writeLock 。因此，读锁和写锁之间的这种区别允许我们在缓存未更新时并行读取缓存。 现在，让我们在并发环境中测试我们的缓存： @Test public void runMultiThreadTask_WhenPutDataInConcurrentToCache_ThenNoDataLost() throws Exception { final int size = 50; final ExecutorService executorService = Executors.newFixedThreadPool(5); Cache cache = new LRUCache(size); CountDownLatch countDownLatch = new CountDownLatch(size); try { IntStream.range(0, size).mapToObj(key -> () -> { cache.put(key, "value" + key); countDownLatch.countDown(); }).forEach(executorService::submit); countDownLatch.await(); } finally { executorService.shutdown(); } assertEquals(cache.size(), size); IntStream.range(0, size).forEach(i -> assertEquals("value" + i,cache.get(i).get())); } 5. 结论在本教程中，我们了解了 LRU 缓存到底是什么，包括它的一些最常见的功能。然后，我们了解了一种在 Java 中实现 LRU 缓存的方法，并探讨了一些最常见的操作。 最后，我们介绍了使用锁机制的并发性。 与往常一样，本文中使用的所有示例都可以在 GitHub 上找到。 |
【本文地址】