`

利用LinkedHashMap实现LRU缓存策略

阅读更多

利用LinkedHashMap实现移除最近最少使用的缓存策略,只需要重载removeEldestEntry(Entry<Object, Object> eldest)方法即可。 

 

public class LruCache implements Cache {
    
    private final Map<Object, Object> store;

    public LruCache(URL url) {
        final int max = url.getParameter("cache.size", 1000);
        this.store = new LinkedHashMap<Object, Object>() {
            private static final long serialVersionUID = -3834209229668463829L;
            @Override
            protected boolean removeEldestEntry(Entry<Object, Object> eldest) {
                return size() > max;
            }
        };
    }

    public void put(Object key, Object value) {
        synchronized (store) {
            store.put(key, value);
        }
    }

    public Object get(Object key) {
        synchronized (store) {
            return store.get(key);
        }
    }

}
 参考:http://dennis-zane.iteye.com/blog/128278
分享到:
评论

相关推荐

    LRU_缓存策略_LRU_缓存_源码.rar

    综上所述,LRU缓存策略是一种高效的内存管理技术,通过优先淘汰最近最少使用的数据来优化资源利用。它的核心在于选择合适的数据结构(如双向链表、哈希表)来实现数据的快速查找和访问顺序的维护,从而在内存约束下...

    实现 LRU 算法,和 Caffeine 和 Redis 中的缓存淘汰策略.docx

    Java 中实现 LRU 缓存的一个常见方法是利用 `LinkedHashMap` 类。`LinkedHashMap` 是 `HashMap` 的一个子类,它在哈希表的基础上添加了一个双向链表结构,可以维护元素的插入顺序或访问顺序。对于 LRU 缓存,我们...

    Lru缓存代码

    LRU(Least Recently Used)缓存是一种常用的内存管理策略,用于在有限的内存空间中...通过对这些代码的学习和理解,开发者可以掌握如何设计和实现自己的LRU缓存系统,从而在实际项目中应用这一高效的内存管理策略。

    实现了LRU算法的缓存

    - 通过使用`LinkedHashMap`代替自定义的双向链表和`HashMap`组合,可以直接利用其内置的LRU行为,简化实现并提高效率。 7. **测试与调试**: 缓存实现完成后,通常会通过单元测试确保所有操作的正确性,例如测试...

    LRU.rar_LRU_LRU ja

    通过分析`LRU.java`,我们可以学习如何在实际项目中应用LRU缓存策略,理解如何利用`LinkedHashMap`实现高效的缓存管理,并了解LRU算法的工作机制。此外,还可以学习到如何处理内存限制下的数据存储问题,这对优化...

    LRU算法实现1

    在Java中,LRU缓存的实现通常有两种方式:使用`LinkedHashMap`或自定义数据结构(链表+HashMap)。 ### LRU Cache的`LinkedHashMap`实现 `LinkedHashMap`是Java集合框架中的一个类,继承自`HashMap`,并添加了双向...

    Lru算法缓存解决图片OOM

    LRU(Least Recently Used)算法是一种常用的页面替换策略,它基于“最近最少使用...在实际开发中,可以利用Android提供的`LruCache`类或者第三方库如 Glide、Picasso 等,它们已经内置了LRU缓存机制,使得实现更简便。

    LRU.rar_LRU

    这样我们可以直接利用`LinkedHashMap`来创建一个LRU缓存实例,无需手动实现数据结构和算法。 下面是一个简单的基于`LinkedHashMap`的LRU缓存实现示例: ```java import java.util.HashMap; import java.util.Map; ...

    LRU更新Cache

    总之,LRU缓存更新策略通过优先淘汰最近最少使用的数据,有效提高了内存利用率和系统性能。在Java中,`LRUCache`提供了一个便捷且高效的实现方式,使得开发者可以在实际项目中轻松应用这一策略。

    Android图片缓存之Lru算法(二)

    DiskLruCache提供了一种在磁盘上实现LRU缓存的方法,其工作原理与LruCache类似,但数据存储在文件系统而不是内存中。使用DiskLruCache可以避免内存限制,允许更大容量的缓存。 总的来说,Android中的图片缓存通过...

    高速缓存实现源码

    此外,缓存策略还包括了失效机制,例如LRU(Least Recently Used)最近最少使用和LFU(Least Frequently Used)最不经常使用。LRU会淘汰最近最少使用的数据,而LFU则是淘汰使用频率最低的数据。在Java中,可以使用...

    浅谈Android LruCache的缓存策略

    在Android开发中,缓存策略对于提升应用性能和用户体验至关重要,尤其是在处理大量数据或资源时。...同时,对于其他需要缓存策略的场景,开发者也可以借鉴LruCache的设计思想,实现自定义的缓存解决方案。

    lru.rar_LRU

    文件可能详细介绍了如何构建和操作一个LRU缓存,包括如何维护数据的访问顺序、如何处理内存满载的情况以及如何根据LRU策略进行数据淘汰。 通过学习和理解LRU算法,开发者可以更好地优化资源有限环境下的程序性能,...

    YiCache_Java

    2. **LRU缓存实现**:利用`LinkedHashMap`创建一个LRU缓存实例,设置合适的容量限制,并在超过限制时根据LRU策略移除元素。 3. **二级缓存管理器**:负责协调主缓存和次级缓存之间的交互,如数据的同步、更新和迁移...

    java LRU(Least Recently Used )详解及实例代码

    在Java中,实现LRU缓存有两种常见方式,分别是使用`LinkedHashMap`和自定义数据结构,如链表结合HashMap。 1. **使用`LinkedHashMap`实现LRU缓存** `LinkedHashMap`是Java集合框架中的一个成员,它继承自`HashMap`...

    LinkedHashmap的使用

    2. 需要按最近使用(LRU)策略进行缓存淘汰时,LinkedHashMap可以方便地根据访问顺序实现。 总的来说,LinkedHashMap结合了HashMap的高效性和有序性的特点,适用于那些对元素顺序有特定需求但又希望保持高效性能的...

    详解Java实现缓存(LRU,FIFO)

    首先,LRU缓存策略的核心思想是:当缓存满时,优先移除最近最少使用的数据。在Java中,我们可以使用`LinkedHashMap`类来实现这一策略。`LinkedHashMap`是`HashMap`的一个子类,它不仅维护了键值对的哈希映射,还保留...

    Assembly_MemFlow:LRU 在缓存和主存之间的内存流

    在IT领域,内存管理是计算机系统优化的关键环节...在Java中,我们可以利用`LinkedHashMap`轻松实现LRU缓存,从而在各种场景下提高程序的运行效率。对于任何处理大量数据的应用来说,理解并合理应用LRU都是至关重要的。

    Java源码反射-auto-resolver-excel-source:利用java的反射、克隆、泛型、LRU缓存等技术实现动态解析Excel

    Java中的`java.util.concurrent.LinkedHashMap`可以用作LRU缓存,通过设置其构造函数的访问顺序参数,实现LRU策略。 项目的结构可能包括以下几个部分: 1. **Excel读取模块**:使用Apache POI或JExcelApi等库读取...

    Java LocalCache 本地缓存的实现实例

    LRU缓存将会利用这个算法来淘汰缓存中老的数据元素,从而优化内存空间。 在基于LinkedHashMap的实现中,通过调用父类LinkedHashMap的构造函数来实例化map。参数accessOrder设置为true保证其可以实现LRU策略。重写...

Global site tag (gtag.js) - Google Analytics