LRU—>面试算法中的明星

博主在keep、度小满和头条的面试中都曾遇到过这位“算法届小明星”；身边有同学在百度的面试中也层遇到过。LRU名副其实的面试算法明星。

那么LRU究竟是个什么东西呢，听上去是那么的高大上。Least Recently Used就是LRU的真面目，翻译过来是：最近最少使用，什么意思呢，请看下面这个示例。

我们要在有限的内存中存放一些<K,V>键值对，这些键值对很多，所有的键值对所占内存大于物理可用内存，并且每个键值对被访问的情况也是不一样的。当内存用尽的时候，这时新来了一个键值对，这时我们要如何处理呢？从内存中删除“潜水”时间最长的那个键值对，这样就可以把新来的键值对存入内存了，这就是LRU算法，也是在Redis缓存丢弃策略的一种。上面说的“潜水”时间最长指的是：被人遗忘时间最长的那个键值对，遗忘指的是没有被人访问过。

总结之下，LRU就是当你内存中数据到达指定容量的时候，LRU选择将最长时间没有被使用过的那个键值对从内存中移除。

我们回顾一下要实现的功能，功能完成了，LRU也就实现了：

我们需要存储<K,V>键值对
可以指定可以存储多少个键值对
当存储容量满了以后，移除最长时间没有被访问过的键值对

分析一下上面的需求

存储键值对：第一想法是使用HashMap存储，毕竟HashMap是为“存储键值对而生”。
指定容量：这也容易，每次向map中put键值对后，就检查map的容量是否超出了指定的容量，如果超出了，从map中移除一个元素即可。
移除谁？难点在这里，当map在put操作之后超出了指定容量，我们移除谁？怎么找出那个“潜水”时间最长的键值对呢？第一个想法是我们需要维护一个有序的链表，这个链表从前到后“潜水”时间越来越短。这样当map的容量满了以后我们只需要获取链表头部元素，然后从map中移除该键值对即可，这也说明了链表节点中需要包含对应键值对的key，否则找到链表头结点后如何移除呢？
为什么使用链表？容量指定的情况下，为什么不使用数组呢？原因如下，“潜水”时间最长的键值对经常发送变化，也就是链表中元素顺序经常发生改变，另外一方面，链表的插入和操作删除效率要比数组高。
如何维护链表节点的顺序？可以这样，当一个“潜水”的键值对被访问后，把该节点从链表中移除，然后把这个节点插入到链表末尾，这样就可以保证链表第一个元素永远是“潜水”时间最长的键值对；链表末尾的元素永远是最近被访问过的元素。这样当map超出指定容量之后只需要删除链表头的键值对即可。

public class LRUCache {
//“潜水”链表节点，抽象
   static class Node{
       //键值对
       private int key;
       private int value;

       //维护“潜水”键值对，双向链表
       private Node pre;
       private Node next;

       //构造器
       Node(){}

       Node(int key,int value){
        this.key = key;
        this.value = value;
    }
}

//指定的容量
private int cap;

//保留“潜水”双向链表的头尾指针
private Node head;
private Node tail;

//保存键值对的map
private HashMap<Integer,Node> map;

//构造器参数是：指定的容量
public LRUCache(int capacity) {
    this.cap = capacity;

    //初始化头尾节点，这里的头结点是辅助节点
    //head节点不存储任何有效元素
    head = new Node();
    tail = head;

    //构造器初试容量这样设置可以保证map
    //不会发生扩容，详见之前的HashMap
    //讲解文章
    map = new HashMap<>((int)(cap/0.75)+1);
}

//将指定节点从链表中删除
private void removeNode(Node cur){
    if(cur==tail){
        tail = tail.pre;

        tail.next = null;
        cur.pre = null;
    }else{
        cur.pre.next = cur.next;
        cur.next.pre = cur.pre;

        cur.pre = null;
        cur.next = null;
    }
}


//将指定节点追加到链表末尾
private void add(Node cur){
    tail.next = cur;
    cur.pre = tail;

    tail = cur;
}

//访问一个键值对
public int get(int key) {
    Node cur = map.get(key);
    //不存在这个key
    if(cur==null){
        return -1;
    }else{//存在
     //含义是当前潜水节点已经被访问了
     //将这个节点添加到链表末尾
        removeNode(cur);
        add(cur);

        return cur.value;
    }
}

//存储一个键值对
public void put(int key, int value) {
    Node cur =  map.get(key);

    if(cur==null){
        //put前不存在这个key
        cur = new Node(key,value);

       //将该键值对移动到链表末尾
        map.put(key,cur);
        add(cur);

        //超出了容量，移除链表头结点
        //后面那个元素(头结点是辅助节点)
       if(map.size()>cap && head!=tail){
           Node outDate  = head.next;
            removeNode(outDate);

            //不能忘记这里
             map.remove(outDate.key);
        }
    }else{

       //put之前已经存在
       //将这个键值对移到链表末尾即可
        removeNode(cur);
        add(cur);
        //更新这个key的值
        cur.value = value;            
    }
}

}

对LRU算法还有疑问的同学请在评论中留言。希望大家更多的是理解，理解之后，LRU算法就不那么难了，学习在于理解。文章有不足支持欢迎大家评论留言~。

最后LinkedHashMap其实是可以直接支持LRU的，面试的时候可以提及这一点，但是面试官不会支持你使用LinkedHashMap实现LRU。之后讲解LinkedHashMap源码的时候会有详细说明，实质上LinkedHashMap底层实现也是类似原理，使用LinkedHashMap实现LRU代码如下：

//继承一下LinkedHashMap这个类，

//使用LinkedHashMap实现LRU算法

public class LRULinkedHashMap<K,V>  extends LinkedHashMap<K,V>{
      //定义缓存的容量
      private int capacity;

      //带参数的构造器   
      LRULinkedHashMap (int capacity){
          //调用LinkedHashMap的构造器
          super(capacity,0.75f,true);

          //传入指定的缓存最大容量
          this.capacity=capacity;
      }

//返回true就会移除“潜水”时间最长
//的键值对
      @Override
  public boolean removeEldestEntry(Map.Entry<K, V> eldest){

        //参数eldest就是“潜水”时间最长的键值对，可以获得对应的key,value
          return size()>capacity;
      }  

  }

本文所有资料都在微信公众号分享了，公众号回复“资料”即可获得：

公众号后台回复“资料”即可获得2T的学习资料（长期更新ing）以及博主整理好的精品资料一份。2T资料涵盖各个求职方向，并且每一个方向都有对应的经典项目，可写入简历的大型项目。

LRU—>面试算法中的明星

猜你喜欢