LRU（Least recently used，最近最少使用），数据插入队列中，经常访问的数据单元靠近列表头部，不经常访问的靠近列表尾部。列表数据就像按照时间排序一样。常用来淘汰一些长时间不使用的数据。
1. 算法流程
lru 算法用一个列表也可以实现。只是列表数据需要更新操作，那得先查找数据，列表的查找时间复杂度是 O(n)，这是个低效的操作，所以用时间复杂度为 O(1) 的哈希表 std::unordered_map 辅助实现查找。
2. 算法实现
简单实现 LRU 算法的添加，更新和删除最旧数据功能。定时测试相关接口操作。(测试源码放在 github)
- 源码分析。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
...
class data {
...
private:
std::string m_key;
std::string m_value;
};
class lru {
public:
...
bool insert(const std::string& key, const std::string& value);
bool update(const std::string& key, const std::string& value);
/* 删除列表末位节点。*/
bool pop();
...
private:
/* 数据存储列表。*/
std::list<data*> m_list;
/* 哈希表，存储列表节点对应的迭代器，协助查找数据。*/
std::unordered_map<std::string, std::list<data*>::iterator> m_map;
};
bool lru::insert(const std::string& key, const std::string& value) {
if (key.empty() || value.empty() || (m_map.find(key) != m_map.end())) {
return false;
}
/* 新数据插入列表头部。*/
m_list.push_front(new data(key, value));
/* 更新哈希表数据，存储节点在列表的位置信息，方便查询。*/
m_map[key] = m_list.begin();
return true;
}
bool lru::update(const std::string& key, const std::string& value) {
data* d;
std::unordered_map<std::string, std::list<data*>::iterator>::iterator itr;
/* 通过哈希表，查找对应节点在列表的位置。*/
itr = m_map.find(key);
if (itr == m_map.end()) {
return false;
}
/*更新数据信息。*/
d = *(itr->second);
d->set_value(value);
/* 先从列表删除对应节点，然后重新将节点添加到列表头部。*/
m_list.erase(itr->second);
m_list.push_front(d);
/* 更新哈希表数据，存储节点在列表的位置信息，方便查询。*/
m_map[d->get_key()] = m_list.begin();
return true;
}
bool lru::pop() {
if (m_list.size() == 0) {
return false;
}
data* d;
std::list<data*>::iterator itr;
/* 删除列表末位节点。*/
itr = m_list.end();
itr--;
d = *itr;
/* 删除哈希表对应信息。*/
m_map.erase(d->get_key());
/* 删除列表对应节点。*/
m_list.erase(itr);
/* 释放数据。*/
SAFE_DELETE(d);
return true;
}
- 测试源码。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
...
int main() {
lru o;
int i = 0;
srand((unsigned)time(NULL));
while (i++ <= 50) {
if (i % 3 == 1) {
o.insert(std::to_string(i), cur_time());
} else if (i % 8 == 0) {
o.pop();
} else {
const data* d = o.get_random();
if (d) {
o.update(d->get_key(), cur_time());
}
}
o.check();
sleep(2);
}
return 0;
}
3. redis 近似 lru 算法
redis 数据库 maxmemory 数据淘汰策略，通过采样实现了近似 LRU 的算法，有兴趣的朋友可以参考我的帖子 [redis 源码走读] maxmemory 数据淘汰策略
