产品中心
今天我们这篇文章的目的是要 搞懂LRU淘汰策略 以及 实现一个LRU算法 。
文章会结合图解循序渐进的讲解，跟着我的思路慢慢来就能看懂，我们开始吧。
文章导读
为什么要有淘汰策略呢？
因为存储内存的空间是有限的，所以需要有淘汰的策略。
Redis的清理内存淘汰策略有哪些呢？
LRU是 Least Recently Used 的缩写，即 最近最少使用 ，是一种常见的页面置换算法。
我们手机的后台窗口（苹果手机双击Home的效果），他总是会把最近常用的窗口放在最前边，而最不常用的应用窗口，就排列在后边了，如果再加上只能放置N个应用窗口的限制，淘汰最不常用的最近最少用的应用窗口，那就是一个活生生的 LRU 。
手机应用案例
从上边的示意图，我们可以分析出这么几个点：
推导图
通过上边的推导，我们就能得出， LRU 算法核心是 HashMap + DoubleLinkedList 。
思想搞明白了，我们接下来编码实现。
我们查看Java的 LinkedHashMap 使用说明。
LinkedHashMap使用说明
翻译：这种Map结构很适合构建LRU缓存。
继承 LinkedHashMap 实现 LRU 算法：
order参数
true -> access-order // false -> insertion-order 即按照访问时间排序，还是按照插入的时间来排序
DoubleLinkedList示意图
我们可以从 HashMap 源码中找一些灵感，他们都是使用一个 Node 静态内部类来储存节点的值。
通过上边的示意图，我们可以得知 节点 应该要储存的内容：
翻译成代码：
DoubleLinkedList初始化示意图
还是通过上边的示意图，我们可以得知 DoubleLinkedList对象 应该要储存的内容：
翻译成代码：
从头添加节点
翻译成代码：
删除节点
翻译成代码：
获取最后一个节点
cacheSize
map
doubleLinkedList
构造方法
refreshNode刷新节点
get节点
Node<Integer, String> node = map.get(key);
refreshNode(node);
return node.value;
}
put节点
refreshNode(node);
} else {
if (map.size() == cacheSize) {
Node lastNode = doubleLinkedList.getLast();
map.remove(lastNode.key);
doubleLinkedList.removeNode(lastNode);
}
Node<Integer, String> newNode = new Node<>(key, value);
map.put(key, newNode);
doubleLinkedList.addHead(newNode);
}
}
System.out.println(lruDemo.get(2));
}
LRU 算法到这里就写完啦，完整的代码可以从阅读原文的链接地址获取。
到此这篇关于彻底弄懂Redis的LRU淘汰策略的文章就介绍到这了,更多相关Redis LRU淘汰策略内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
