您好,登錄后才能下訂單哦!
Java實(shí)現(xiàn)LRU緩存的實(shí)例詳解
1.Cache
Cache對于代碼系統(tǒng)的加速與優(yōu)化具有極大的作用,對于碼農(nóng)來說是一個很熟悉的概念??梢哉f,你在內(nèi)存中new 了一個一段空間(比方說數(shù)組,list)存放一些冗余的結(jié)果數(shù)據(jù),并利用這些數(shù)據(jù)完成了以空間換時間的優(yōu)化目的,你就已經(jīng)使用了cache。
有服務(wù)級的緩存框架,如memcache,Redis等。其實(shí),很多時候,我們在自己同一個服務(wù)內(nèi),或者單個進(jìn)程內(nèi)也需要緩存,例如,lucene就對搜索做了緩存,而無須依賴外界。那么,我們?nèi)绾螌?shí)現(xiàn)我們自己的緩存?還要帶自動失效的,最好還是LRU(Least Recently Used)。
當(dāng)你思考怎么去實(shí)現(xiàn),你可能會想得很遠(yuǎn)。為了LRU,需要把剛使用的數(shù)據(jù)存入棧,或者紀(jì)錄每個數(shù)據(jù)最近使用的時間,再來的定時掃描失效的線程….其實(shí),Java本身就已經(jīng)為我們提供了LRU Cache很好的實(shí)現(xiàn),即LinkedHashMap。
2.LinkedHashMap分析
很多沒有去細(xì)究過其內(nèi)部實(shí)現(xiàn)的人,只是將其當(dāng)作一個普通的hashMap來對待。LinkedHashMap是一個雙向鏈表,加上HashTable的實(shí)現(xiàn)。表現(xiàn)出來與普通HashMap的一個區(qū)別就是LinkedHashMap會記錄存入其中的數(shù)據(jù)的順序,并能按順取出。
為了實(shí)現(xiàn),一個hash表,自然應(yīng)該先申請?jiān)谝黄B續(xù)的內(nèi)存空間上。當(dāng)需要存入數(shù)據(jù)的時候,根據(jù)相應(yīng)的hash值存入。而LinkedHashMap在這個基礎(chǔ)上,為每個entry設(shè)置了before與after屬性,形了一個雙向鏈表,記錄了他們put進(jìn)入的前后順序。
不僅如此,每當(dāng)通過get來獲得某個元素后,get方法內(nèi)部,會在最后通過afterNodeAccess方法來調(diào)整鏈表的指向:
void afterNodeAccess(Node<K,V> e) { // move node to last LinkedHashMap.Entry<K,V> last; if (accessOrder && (last = tail) != e) { LinkedHashMap.Entry<K,V> p = (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after; p.after = null; if (b == null) head = a; else b.after = a; if (a != null) a.before = b; else last = b; if (last == null) head = p; else { p.before = last; last.after = p; } tail = p; ++modCount; } }
上述代碼將Node e移至了雙向鏈表的未尾。而在方法afterNodeInsertion中,只要滿足條件,便移除最老的數(shù)據(jù),即鏈表的head。
void afterNodeInsertion(boolean evict) { // possibly remove eldest LinkedHashMap.Entry<K,V> first; if (evict && (first = head) != null && removeEldestEntry(first)) { K key = first.key; removeNode(hash(key), key, null, false, true); } }
可見,當(dāng)你為LinkedHashMap設(shè)置有限空間的時候,自然便完成了LRU Cache的效果。當(dāng)然還有一個前提,你必須重寫一個方法removeEldestEntry,返回true。表示空間已滿時,刪除最老的。
@Override public boolean removeEldestEntry(Map.Entry<K, V> eldest){ return size()>capacity; }
3.線程安全的LRU Cache
如此,我們就獲得了一個LRU緩存利器,滿足了我們大多場景下的需求。但還有一個問題,它不是線程安全的。在多線程的情況下,你有可能需要對某些Cache做同步處理。這時候,你再找,可以看到j(luò)ava有ConcurrentHashMap的實(shí)現(xiàn),但并不存在ConcurrentLinkedHashMap這樣的類。
當(dāng)然這個問題也不大,我們可以對再有的LinkedHashMap,再作封裝,對get,put, 之類的方法加上同步操作。
目前,我們所用的處理,是直接采和google提供的guava包,這里面就提供了我們想要的ConcurrentLinkedHashMap。這樣就可以很方便地實(shí)現(xiàn)一個線程安全。具體代碼如下:
import java.util.Set; import com.googlecode.concurrentlinkedhashmap.Weighers; import com.googlecode.concurrentlinkedhashmap.ConcurrentLinkedHashMap; public class ConcurrentLRUCache<K, V> { public static final int DEFAULT_CONCURENCY_LEVEL = 32; private final ConcurrentLinkedHashMap<K, V> map; public ConcurrentLRUCache(int capacity) { this(capacity, DEFAULT_CONCURENCY_LEVEL); } public ConcurrentLRUCache(int capacity, int concurrency) { map = new ConcurrentLinkedHashMap.Builder<K, V>().weigher(Weighers.<V> singleton()) .initialCapacity(capacity).maximumWeightedCapacity(capacity) .concurrencyLevel(concurrency).build(); } public void put(K key, V value) { map.put(key, value); } public V get(K key) { V v = map.get(key); return v; } public V getInternal(K key) { return map.get(key); } public void remove(K key) { map.remove(key); } public long getCapacity() { return map.capacity(); } public void updateCapacity(int capacity) { map.setCapacity(capacity); } public int getSize() { return map.size(); } public void clear() { map.clear(); } public Set<K> getKeySet() { return map.keySet(); } }
以上就是Java實(shí)現(xiàn)LRU緩存的實(shí)例,如有疑問請留言或者到本站社區(qū)交流討論,感謝閱讀,希望能幫助到大家,謝謝大家對本站的支持!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。