一个用hash表作为底层结构的数据库,当然少不了缓存淘汰算法。
LRU(Least recently used,最近最少使用)算法根据数据的历史访问记录来进行淘汰数据,其核心思想是“如果数据最近被访问过,那么将来被访问的几率也更高”。
1、新数据插入到链表头部;
2、每当缓存命中(即缓存数据被访问),则将数据移到链表头部;
3、当链表满的时候,将链表尾部的数据丢弃。
过程如下:
1、最开始时,内存空间是空的,因此依次进入A、B、C是没有问题的
2、当加入D时,就出现了问题,内存空间不够了,因此根据LRU算法,内存空间中A待的时间最为久远,选择A,将其淘汰
3、当再次引用B时,内存空间中的B又处于活跃状态,而C则变成了内存空间中,近段时间最久未使用的
4、当再次向内存空间加入E时,这时内存空间又不足了,选择在内存空间中待的最久的C将其淘汰出内存,这时的内存空间存放的对象就是E->B->D
附上:golang算法
package lru import "container/list" type LRUCache struct { capacity int cache map[int]*list.Element list *list.List } type Pair struct { key int value int } func Constructor(capacity int) LRUCache { return LRUCache{ capacity: capacity, list: list.New(), cache: make(map[int]*list.Element), } } func (this *LRUCache) Get(key int) int { if elem, ok := this.cache[key]; ok { this.list.MoveToFront(elem) return elem.Value.(Pair).value } return -1 } func (this *LRUCache) Put(key int, value int) { if elem, ok := this.cache[key]; ok { this.list.MoveToFront(elem) elem.Value = Pair{key, value} } else { if this.list.Len() >= this.capacity { delete(this.cache,this.list.Back().Value.(Pair).key) this.list.Remove(this.list.Back()) } this.list.PushFront(Pair{key, value}) this.cache[key] = this.list.Front() } }
LRU其实还可以再优化,用过redis的都知道可以过期时间,在LRUCache数据结构里面设置TTL过期时间也是可以的,详细的自己慢慢实现吧。