看一看LRU与LFU

news2024/11/18 11:22:07

LRU（Least recently used：最近最少使用）和LFU（Least frequently used：最不经常使用），两个都是以链表结构为基础，一般是作为缓存使用，当然，既然是缓存，空间肯定是有限制的，不然你直接把内存挤爆了，那程序也只能GG了。

在空间大小一定的情况下，LRU是淘汰最久没有使用的数据，LUF是淘汰使用次数最少的数据。

我们先来看下LRU，目的淘汰最长时间没有使用的数据对象，那么，必然是要有个排列顺序，不然如何知道那个数据最长时间没有使用？

好了，现在我们有一串数据需要按照某种顺序存储，当然，这个数据肯定是会频繁变更的，你问为啥？

缓存是干啥的？就是方便读取数据，可这个数据每次读取的肯定不会都一样啊，最终空间是肯定不够的，最终不还是要删除+修改？这也是LRU的意义所在，不然全部缓存了，还要LRU干啥子！

我们再来看看，LRU最终的期望是什么样的，不是有结果导向论么？咱就根据目标来设计结构呗！下面是一个简单的LRU的读取过程。

如上图，数据原本是A>B>C>D>E>F>G>H，如今读取到了D，那么就把D移动到最前面，变成了D>A>B>C>E>F>G>H。

如果再加上一个数据呢？比如M，那M自然也就排队在头部，尾部的数据淘汰，新的缓存就变成了M>A>B>C>E>F>G。

H由于处在最尾部，超过了空间的限制，因而被删除掉了。

这也就是我们所期望的简单的LRU实现的功能，那么根据这种情况，使用哪种结构合适呢？从上面的过程可以看到，这个list有增删，而且新增或者移动几乎都是头插法。

ArrayList直接干掉！不然移动数组元素就能把人累个半死！

接着就是链表结构了，单链表还是双链表？肯定是双链表啊，中间的数据不是有移动？没有后退指针，如何查询这个数据前面的一个？从头开始再找一遍？

大致结构固定了，来看下这个双链表的增删改查。

增：头插法，判断链表长度，插入到头结点，过载的话删除最后一个节点

改：长度不变，删除中间的某个节点，插入到头部，两步完成。

查：从头结点开始，查询对应数据，时间复杂度O（n）。

LRU结构追求的就是速度，利用内存来置换时间，减轻数据库端负载，而且查询的次数非常多，无论是查询还是改动的时候定位数据，都会用到。O(n)的时间复杂度能否优化？

我们常见的时间复杂度比O（n）还优秀的，应该就是O(logN)和O(1)了，结构有哪些呢？首先是树结构或者是跳跃表结构，查询的时间复杂度是O(logN)。不过在修改和删除的时候，涉及到树的变换和跳跃表结构的变化。可选，加上这个结构的话，如果查询次数远大于增改次数的话，时间方面应该有不小的优势。可备选。

然后就是数组，根据位置，定位对象，时间复杂的O(1),当然这个不太符合我们的要求，每次插入头部这个，就直接拖后腿了；如果根据对象信息挨个查询，时间复杂度也是O(1),那完全没必要了，这个在选择结构的时候就淘汰了，再加一个不是自找麻烦浪费时间吗？

然后就是hash，时间复杂度O(1),根据key，定位value！这个就比较符合我们的期望了了，唯一绑定，复杂度只是O（1），增删也比较方便，而且排序我们已经在双链表中做了，定位这里也就不用再关心了。

因此，LRU的结构我们便能简单的确定了，双链表+Hash，hash定位数据，双链条淘汰数据，以空间换取时间，在查询量比较大的组件中实用比较多。当然，除了双链表+hash的LRU，结构还可以进一步优化，有兴趣的可以看下Mysql的buffer pool里面的LRU list，其中一些优化就十分优秀。

代码实现什么的就不在这里赘述了，有兴趣的可以自己写一个，刚入门数据结构的话，也阔以去B站找个视频看下，最多一二十分钟，直接给你把代码写的明明白白。

说完LRU，接着就是LFU了，当然，这个也是多个结构共同组成的，hash定位肯定必不可少，这个是辅助定位数据，关系到数据的查询效率！

然后就是淘汰策略了，Least frequently used：最不经常使用，也就是说使用次数最少的，率先淘汰掉！

so，必须要有个记录使用次数的。

使用次数有 1,2,3,4...等等等,然后每个使用次数后面对应着一批数据，可能是单个，也可能多个，当然我们肯定统一认为有多个，也就是一个list！