LRU簡(jiǎn)介

LRU是Least Recently Used 近期最少使用算法，它就可以將長(zhǎng)時(shí)間沒(méi)有被利用的數(shù)據(jù)進(jìn)行刪除。

實(shí)現(xiàn)

最近面了阿里的外包吧，居然也要在線敲代碼了，那叫一個(gè)緊張啊。題目就是實(shí)現(xiàn)一個(gè)LRU算法的緩存。外包居然要求也這么高了，哎。還好，LRU是我大學(xué)老師布置的一道題目，當(dāng)然我用C語(yǔ)言實(shí)現(xiàn)的，算法原理那是一清二楚，可是面試的時(shí)候就腦子一片空白了。好在，邊敲代碼，邊思考，就慢慢想起來(lái)了，下面是我的代碼。僅供參考

/** * 設(shè)計(jì)和構(gòu)建一個(gè)“最近最少使用”LRU 緩存，該緩存會(huì)刪除最近最少使用的項(xiàng)目。 * 緩存應(yīng)該從鍵映射到值(允許你插入和檢索特定鍵對(duì)應(yīng)的值)，并在初始化時(shí)指定最大容量。 * 當(dāng)緩存被填滿時(shí)，它應(yīng)該刪除最近最少使用的項(xiàng)目。 * 考慮多線程操作下的操作安全和性能。 */public class LRUCache{ private int maxSize; /** * 存儲(chǔ)緩存數(shù)據(jù) */ private ConcurrentHashMap<String,Object> map = new ConcurrentHashMap<>(); /** **存儲(chǔ)緩存key列表 */ private LinkedList<String> list; LRUCache(){ } LRUCache(int maxSize){ this.maxSize = maxSize; this.list = new LinkedList<>(maxSize); } /** * @param key 緩存key @return 緩存值 */ synchronized Object getVal(String key){ //1.從map里取數(shù)據(jù) Object obj = map.get(key); //2.將key置于list的尾部（表示最近被訪問(wèn)過(guò)了） if(obj != null){ addOrRefreshKey(key); } } synchronized void putVal(String key,Object val){ //1.設(shè)置val到map中 //2.將key置于list的尾部（表示最近被訪問(wèn)過(guò)了） //3.需要做判斷是否list.size()>maxSize。如果滿了就刪除頭部（最近最少使用）的數(shù)據(jù)后再執(zhí)行1-2步驟 } /** * 添加或刷新key */ private void addOrRefreshKey(String key){ this.list.remove(key); //管他三七二十一，先刪除掉 this.list.add(key); //然后添加這個(gè)可以，保證key置于list的尾部 } }

以上就是JAVA實(shí)現(xiàn)LRU算法的參考示例的詳細(xì)內(nèi)容，更多關(guān)于Java LRU算法的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！