目标

LFU 算法是通过存储每个缓存使用的频率，在缓存容量满了之后，删除使用频率最少的缓存来给新的缓存留出空间。

如果多个缓存节点都拥有最少使用频率，则删除最久未使用的节点。

思路

HashMap 以及LinkedHashSet（链表）。

链表中的 Node 需要存储 key, value, frequency。使用一个 HashMap （frequencyTable）存储键值 frequency -> 链表, 另一个 HashMap（cacheTable）存储键值 key -> Node。

定义一个 minFrequency 记录最少使用的频率。

具体操作

对于 get 操作，我们首先使用 key 来获取 cacheTable 中对应的 node:

1，如果 key 不存在，则直接返回 null。

2，如果 key 存在，我们直接从 node 所在的链表中移除该节点，从 node 中获取当前的 frequency 值并加1，把该 node 插入到 frequency+1 对应的链表尾部，判断是否需要更新minFrequency。

对于 put 操作，我们首先使用 key 来获取 cacheTable 中对应的 node:

1. 如果 key 不存在，如果没有的话，相当于是新加入的缓存，如果缓存已经到达容量，通过 minFrequency 找到并删除最近最少使用的缓存，再进行插入。

2. 如果 key 存在，其实操作等价于 get(key) 操作，唯一的区别就是我们需要将当前的缓存里的值更新为 value。

实现

如果需要线程安全，只需在 get 和 put方法加上 synchronized 修饰符。

import java.util.HashMap;
import java.util.LinkedHashSet;
import java.util.Map;public class LFUCache<K, V> {class CacheNode {K key;V value;int frequency;CacheNode(K key, V value, int frequency) {this.key = key;this.value = value;this.frequency = frequency;}}private Map<Integer, LinkedHashSet<CacheNode>> frequencyTable = new HashMap<>();private Map<K, CacheNode> cacheTable = new HashMap<>();private int minFrequency;private int capacity;public LFUCache(int capacity) {this.capacity = capacity;this.minFrequency = 0;}public void put(K key, V value) {if (capacity <= 0) {return;}CacheNode node = cacheTable.get(key);if (node != null) {node.value = value;increaseFrequency(node);} else {if (cacheTable.size() == capacity) {removeMinFrequencyNode();}addNewCacheNode(key, value);}}public V get(K key) {if (capacity <= 0) {return null;}CacheNode node = cacheTable.get(key);if (node != null) {increaseFrequency(node);return node.value;}return null;}private void addNewCacheNode(K key, V value) {CacheNode newCacheNode = new CacheNode(key, value, 1);LinkedHashSet<CacheNode> set = frequencyTable.computeIfAbsent(1, k -> new LinkedHashSet<>());set.add(newCacheNode);cacheTable.put(key, newCacheNode);minFrequency = 1;}private void removeMinFrequencyNode() {LinkedHashSet<CacheNode> minFrequencySet = frequencyTable.get(minFrequency);CacheNode minFrequencyNode = minFrequencySet.iterator().next();cacheTable.remove(minFrequencyNode.key);minFrequencySet.remove(minFrequencyNode);if (minFrequencySet.size() == 0) {frequencyTable.remove(minFrequency);}}private void increaseFrequency(CacheNode node) {int of = node.frequency;LinkedHashSet<CacheNode> set = frequencyTable.get(node.frequency);set.remove(node);if (set.isEmpty()) {frequencyTable.remove(of);if (of == minFrequency) {minFrequency++;}}int nf = node.frequency + 1;node.frequency++;LinkedHashSet<CacheNode> newSet = frequencyTable.computeIfAbsent(nf, k -> new LinkedHashSet<>());newSet.add(node);}}

LFU （最不经常使用算法）缓存相关推荐

操作系统之页面置换算法（FIFO、LFU、LRU、OPT算法）
操作系统之页面置换算法(FIFO.LFU.LRU.OPT算法) TIPS: 主存:实际上的物理内存. 虚存(虚拟内存):虚拟存储技术.虚拟内存使计算机系统内存管理的一种技术.它使得应用程序认为它拥有的 ...
面试官：你知道 LRU算法 —— 缓存淘汰算法吗？
常用缓存提升数据查询速度,由于缓存容量有限,当缓存容量到达上限,就需要删除部分数据挪出空间,这样新数据才可以添加进来.缓存数据不能随机删除,一般情况下我们需要根据某种算法删除缓存数据.常用淘汰算法有 ...
史上最全Java面试266题：算法+缓存+TCP+JVM+搜索+分布式+数据库
JAVA基础 JAVA中的几种基本数据类型是什么,各自占用多少字节. String类能被继承吗,为什么. String,Stringbuffer,StringBuilder的区别. ArrayList ...
LRU缓存算法缓存设计和实现
什么是缓存? 举个例子,去图书馆查资料,一般情况下我们会集中把我们有可能查阅的几本书从书架取下来,放在我们的桌面上,以便交叉查阅,从而避免频繁的从座位上跑到书架旁去取书.在这个例子里,书桌所扮演的就是 ...
字节二面，让写一个LFU缓存策略算法，懵了
LRU全称 "Least Recently Used",最近最少使用策略,判断最近被使用的时间,距离目前最远的数据优先被淘汰,作为一种根据访问时间来更改链表顺序从而实现缓存淘汰的算 ...
高级数据结构与算法 | LFU缓存机制（Least Frequently Used）
文章目录 LFUCache 结构设计 LFUCache的实现在之前我写过一篇LRU的博客,如果不了解的建议先看看这篇高级数据结构与算法 | LRU缓存机制(Least Recently Used) ...
常用缓存淘汰算法（LFU、LRU、ARC、FIFO、MRU）
缓存算法是指令的一个明细表,用于决定缓存系统中哪些数据应该被删去. 常见类型包括LFU.LRU.ARC.FIFO.MRU. 最不经常使用算法(LFU): 这个缓存算法使用一个计数器来记录条目被访问的频 ...
mysql缓存淘汰机制_聊聊缓存淘汰算法-LRU 实现原理
前言我们常用缓存提升数据查询速度,由于缓存容量有限,当缓存容量到达上限,就需要删除部分数据挪出空间,这样新数据才可以添加进来.缓存数据不能随机删除,一般情况下我们需要根据某种算法删除缓存数据.常用淘 ...
算法高级（11）-缓存淘汰算法研究
缓存是一个计算机思维,对于重复的计算,缓存其结果,下次再算这个任务的时候,不去真正的计算,而是直接返回结果,能加快处理速度.当然有些会随时间改变的东西,缓存会失效,得重新计算. 一.缓存淘汰算法定义 ...
【LeetCode】460 and 1132（LFU缓存机制）
LRU 算法的淘汰策略是 Least Recently Used,也就是每次淘汰那些最久没被使⽤的数据: ⽽ LFU 算法的淘汰策略是 Least Frequently Used,也就是每次淘汰那些使 ...

LFU （最不经常使用算法）缓存

目标

思路

具体操作

实现

LFU （最不经常使用算法）缓存相关推荐

最新文章

热门文章