使用LinkedHashMap构建LRU的Cache
package tags; import java.util.LinkedHashMap; public class LRUCache<K,V> extends LinkedHashMap<K,V> { /** 最大数据存储容量 */ private static final int LRU_MAX_CAPACITY = 1024; /** 存储数据容量 */ private int capacity; public LRUCache() { super(); } public LRUCache(int initialCapacity, float loadFactor,Boolean useCache) { super(initialCapacity, loadFactor, useCache); capacity = LRU_MAX_CAPACITY; } public LRUCache(int initialCapacity, float loadFactor,Boolean useCache, int lruCapacity) { super(initialCapacity, loadFactor, true); this.capacity = lruCapacity; } @Override protected boolean removeEldestEntry(Map.Entry<K,V> eldest) { System.out.println(eldest.getKey() + "=" + eldest.getValue()); return size () > LRUCache.this.capacity; } public static void main(String[] args) { LRUCache<String, String> map = new LRUCache<String, String>(16, 0.75f,true); map.put("a", "a"); //a a map.put("b", "b"); //a a b map.put("c", "c"); //a a b c map.put("a", "a2"); // b c a map.put("d", "d"); //b b c a d map.put("a", "a3"); // b c d a map.put("b", "b2"); // c d a b map.put("f", "f"); //c c d a b f map.put("g", "g"); //c c d a b f g map.get("d"); //c a b f g d for (Entry<String, String> entry : map.entrySet()) { System.out.print(entry.getValue() + ", "); } System.out.println(); /*map.get("a"); //c b f g d a for (Entry<String, String> entry : map.entrySet()) { System.out.print(entry.getValue() + ", "); } System.out.println(); map.get("c"); //b f g d a c for (Entry<String, String> entry : map.entrySet()) { System.out.print(entry.getValue() + ", "); } System.out.println(); map.get("b"); //f g d a c b for (Entry<String, String> entry : map.entrySet()) { System.out.print(entry.getValue() + ", "); } System.out.println(); map.put("h", "h"); //f f g d a c b h for (Entry<String, String> entry : map.entrySet()) { System.out.print(entry.getValue() + ", "); } System.out.println(); */ } }
结果:
a=a
a=a
a=a
b=b
c=c
c=c
c, a3, b2, f, g, d,
c, b2, f, g, d, a3,
b2, f, g, d, a3, c,
f, g, d, a3, c, b2,
f=f
f, g, d, a3, c, b2, h,
LinkedHashMap : http://uule.iteye.com/admin/blogs/1522291
相关推荐
在Java中实现LRU算法,通常会使用数据结构如HashMap或LinkedHashMap来存储页面及其访问信息。HashMap提供快速的查找操作,而LinkedHashMap则同时保持了插入顺序,这对于实现LRU至关重要,因为我们需要快速找到最近...
在实际编程中,可以使用各种编程语言的库来实现LRU,例如Python的`functools.lru_cache`,Java的`LinkedHashMap`,或者是C++的自定义实现。 总之,LRU算法是一种高效的内存管理策略,通过优先淘汰最近最少使用的...
这篇博客文章可能讨论了如何使用这些工具来构建一个LRU缓存系统。 首先,我们来看`LRUCache.java`。这个文件很可能是实现了一个自定义的LRU缓存结构。`LRUCache`通常会包含一个内部类来维护一个双向链表,用于记录...
本文将深入探讨如何使用Java实现一个基于LinkedHashMap的LRU(Least Recently Used,最近最少使用)缓存策略。 LRU缓存策略的基本思想是:当缓存满时,优先淘汰最近最少使用的数据。在Java中,LinkedHashMap类提供...
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”的原则...通过学习这个项目,你可以掌握如何在Java中利用`LinkedHashMap`来构建高效的缓存系统,以及如何根据业务需求调整缓存策略。
在 Java 中实现 LRUCache,我们可以利用 LinkedHashMap 这个数据结构,它具有访问顺序和插入顺序的特性,非常适合构建 LRU 缓存。 首先,我们需要了解 LinkedHashMap 的三个关键属性: 1. accessOrder:布尔值,...
LRUCache(Least Recently Used Cache)是一种常用的缓存淘汰策略,它基于“最近最少使用”的原则,当缓存满时,会优先淘汰最近最不常使用的数据。在Java中,虽然标准库没有直接提供LRUCache,但我们可以通过自定义...
1. LRU(Least Recently Used):最近最少使用策略,当缓存满时,淘汰最近最少使用的数据。 2. LFU(Least Frequently Used):最不经常使用策略,淘汰使用频率最低的数据。 3. FIFO(First In First Out):先进先...
2. **实现类**:`SimpleCache`可能是实现`Cache`接口的具体类,它可能使用了Java集合框架中的数据结构,如HashMap或LinkedHashMap来存储缓存项,并且可能实现了缓存过期策略,比如基于时间的过期或者基于LRU(Least ...
以下是一个使用Java实现的LRU缓存示例,基于`LinkedHashMap`: ```java import java.util.LinkedHashMap; import java.util.Map; public class LRUCache, V> extends LinkedHashMap, V> { private final int ...
LRUCache(Least Recently Used Cache)是一种常用的缓存淘汰策略,它基于“最近最少使用”的原则,当缓存满时,会优先淘汰最近最不常使用的数据。在Java中实现LRUCache,我们可以利用Java 8引入的`java.util....
- 可以使用链表和哈希表组合的方式实现,比如Java的LinkedHashMap,它可以维护元素的插入顺序或访问顺序,方便实现LRU策略。 - 使用第三方库,如Google的Guava库中的Cache,它提供了丰富的缓存配置和自动剔除策略...
这个项目的核心是实现一个高效的照片加载策略,通过采用LrcCache(Least Recently Used Cache,最近最少使用缓存)来优化图片的加载速度和内存使用,为用户提供快速、无卡顿的浏览体验。 在瀑布流布局中,照片会...