LRU介绍： LRU是Least Recently Used的缩写，即最少使用页面置换算法

LRU介绍： LRU是Least Recently Used的缩写，即最少使用页面置换算法，是为虚拟页式存储管理服务的。思路介绍：可以使用两个标准的数据结构来实现，Map和Queue。因为需要支持多线程，需要使用实现了java.utili.concurrent.*的Map和Queue。主要思路是使用一个Queue来维护FIFO和Map来对数据进行排序，当向缓存添加新的元素时，共有以下三种可能： 1. 如果该元素已经在Cache中存在（Map），我们会从queue中删除改元素并将其添加到queue的第一个位置。 2. 如果缓存已满无法新增新的元素，我们会从queue和Map中删除最后面的那个元素并把新元素添加进来。 3. 同时在Map和Queue中增加新的元素写出简单代码实现

还没有评论

举报纠错

切换

1 个答案

import java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.ConcurrentLinkedQueue; public class LRUCache { //LRU缓存的最大容量. private final int capacity; //用来保持最近使用的元素的Queue. private ConcurrentLinkedQueue queue; private ConcurrentHashMap map; /** * 初始化LRU缓存 * @param capacity */ public LRUCache(final int capacity) { this.capacity = capacity; this.queue = new ConcurrentLinkedQueue(); this.map = new ConcurrentHashMap(capacity); } /** * 检查该元素释放在缓存中存在，如果不存在则返回null * @param key * @return */ public V get(final K key) { return map.get(key); } /** * 将元素添加到LRU缓存。如果Key已存在，则将其放到缓存的第一位置 * @param key * @param value * @throws NullPointerException */ public synchronized void put(final K key, final V value) { if(key == null || value == null) { throw new NullPointerException(); } if (map.containsKey(key)) { queue.remove(key); } while (queue.size() >= capacity) { K expiredKey = queue.poll(); if (expiredKey != null) { map.remove(expiredKey); } } queue.add(key); map.put(key, value); } }

还没有评论

切换

撰写答案

扫描后移动端查看本题

我也分享一个题目