要說計算機系統里，什么技術把 tradeoff 體現的淋漓盡致，那肯定是緩存無疑。為了協調高速部件和低速部件的速度差異，加入一個中間緩存層，是解決這種沖突最有效的方案。
其中，JVM堆內緩存是緩存體系中重要的一環，最常用的有 FIFO / LRU / LFU 三種算法。
- FIFO 是簡單的隊列，先進先出。
- LRU 是最近最少使用，優先移除最久未使用的數據。是 時間維度 。
- LFU 是最近最不常用，優先移除訪問次數最少的數據。是 統計維度 。
由于過期也是緩存的一個重要特點。所有在設計這三種緩存算法時，需要額外的存儲空間去存儲這個過期時間。
以下將討論這三種緩存算法的操作和設計要點，但 暫未考慮高并發環境 。
FIFO
先進先出，如果緩存容量滿，則優先移出最早加入緩存的數據；其內部可以使用隊列實現。
操作
- Object get(key)：獲取保存的數據，如果數據不存在或者已經過期，則返回null。
- void put(key,value,expireTime)：加入緩存。 無論此key是否已存在，均作為新key處理（移除舊key）；如果空間不足，則移除已過期的key，如果沒有，則移除最早加入緩存的key。過期時間未指定，則表示永不自動過期。
- 注意，我們允許key是有過期時間的，這一點與普通的FIFO有所區別，所以在設計此題時需要注意。（也是面試考察點，偏設計而非算法）
普通的FIFO或許大家都能很簡單的寫出，增加了過期時間的考慮之后，在設計時需要多考慮。如下示例，為暫未考慮并發環境的FIFO設計。
設計思路
1）用普通的hashMap保存緩存數據。
2）需要額外的map用來保存key的過期特性，例子中使用了TreeMap，將“剩余存活時間”作為key，利用TreeMap的排序特性。
public class FIFOCache {
//按照訪問時間排序,保存所有key-value
private final Map<String,Value> CACHE = new LinkedHashMap<>();
//過期數據，只保存有過期時間的key
//暫不考慮并發，我們認為同一個時間內沒有重復的key，如果改造的話，可以將value換成set
private final TreeMap<Long, String> EXPIRED = new TreeMap<>();
private final int capacity;
public FIFOCache(int capacity) {
this.capacity = capacity;
}
public Object get(String key) {
//
Value value = CACHE.get(key);
if (value == null) {
return null;
}
//如果不包含過期時間
long expired = value.expired;
long now = System.nanoTime();
//已過期
if (expired > 0 && expired <= now) {
CACHE.remove(key);
EXPIRED.remove(expired);
return null;
}
return value.value;
}
public void put(String key,Object value) {
put(key,value,-1);
}
public void put(String key,Object value,int seconds) {
//如果容量不足，移除過期數據
if (capacity < CACHE.size()) {
long now = System.nanoTime();
//有過期的,全部移除
Iterator<Long> iterator = EXPIRED.keySet().iterator();
while (iterator.hasNext()) {
long _key = iterator.next();
//如果已過期，或者容量仍然溢出，則刪除
if (_key > now) {
break;
}
//一次移除所有過期key
String _value = EXPIRED.get(_key);
CACHE.remove(_value);
iterator.remove();
}
}
//如果仍然容量不足，則移除最早訪問的數據
if (capacity < CACHE.size()) {
Iterator<String> iterator = CACHE.keySet().iterator();
while (iterator.hasNext() && capacity < CACHE.size()) {
String _key = iterator.next();
Value _value = CACHE.get(_key);
long expired = _value.expired;
if (expired > 0) {
EXPIRED.remove(expired);
}
iterator.remove();
}
}
//如果此key已存在,移除舊數據
Value current = CACHE.remove(key);
if (current != null && current.expired > 0) {
EXPIRED.remove(current.expired);
}
//如果指定了過期時間
if(seconds > 0) {
long expireTime = expiredTime(seconds);
EXPIRED.put(expireTime,key);
CACHE.put(key,new Value(expireTime,value));
} else {
CACHE.put(key,new Value(-1,value));
}
}
private long expiredTime(int expired) {
return System.nanoTime() + TimeUnit.SECONDS.toNanos(expired);
}
public void remove(String key) {
Value value = CACHE.remove(key);
if(value == null) {
return;
}
long expired = value.expired;
if (expired > 0) {
EXPIRED.remove(expired);
}
}
class Value {
long expired; //過期時間,納秒
Object value;
Value(long expired,Object value) {
this.expired = expired;
this.value = value;
}
}
}
LRU
least recently used，最近最少使用，是目前最常用的緩存算法和設計方案之一，其移除策略為“當緩存（頁）滿時，優先移除最近最久未使用的數據”，優點是易于設計和使用，適用場景廣泛。算法可以參考leetcode 146 （LRU Cache）。
操作
- Object get(key)：從cache中獲取key對應的數據，如果此key已過期，移除此key，并則返回null。
- void put(key,value,expired)：設置k-v，如果容量不足，則根據LRU置換算法移除“最久未被使用的key”。 需要注意，根據LRU優先移除已過期的keys，如果沒有，則根據LRU移除未過期的key。如果未設定過期時間，則認為永不自動過期。
- 這里的設計關鍵是過期時間特性，這與常規的LRU有所不同。
設計思路
- LRU的基礎算法，需要了解；每次put、get時需要更新key對應的訪問時間，我們需要一個數據結構能夠保存key最近的訪問時間且能夠排序。
- 既然包含過期時間特性，那么帶有過期時間的key需要額外的數據結構保存。
- 暫時不考慮并發操作；盡量兼顧空間復雜度和時間復雜度。
- 此題仍然偏向于設計題，而非純粹的算法題。
此題代碼與FIFO基本相同，唯一不同點為get()方法，對于LRU而言，get方法需要重設訪問時間（即調整所在cache中順序）
public Object get(String key) {
//
Value value = CACHE.get(key);
if (value == null) {
return null;
}
//如果不包含過期時間
long expired = value.expired;
long now = System.nanoTime();
//已過期
if (expired > 0 && expired <= now) {
CACHE.remove(key);
EXPIRED.remove(expired);
return null;
}
//相對于FIFO，增加順序重置
CACHE.remove(key);
CACHE.put(key,value);
return value.value;
}
LFU
最近最不常用，當緩存容量滿時，移除 訪問次數 最少的元素，如果訪問次數相同的元素有多個，則移除最久訪問的那個。設計要求參見leetcode 460（ LFU Cache）
public class LFUCache {
//主要容器，用于保存k-v
private Map<String, Object> keyToValue = new HashMap<>();
//記錄每個k被訪問的次數
private Map<String, Integer> keyToCount = new HashMap<>();
//訪問相同次數的key列表，按照訪問次數排序，value為相同訪問次數到key列表。
private TreeMap<Integer, LinkedHashSet<String>> countToLRUKeys = new TreeMap<>();
private int capacity;
public LFUCache(int capacity) {
this.capacity = capacity;
//初始化，默認訪問1次，主要是解決下文
}
public Object get(String key) {
if (!keyToValue.containsKey(key)) {
return null;
}
touch(key);
return keyToValue.get(key);
}
/**
* 如果一個key被訪問，應該將其訪問次數調整。
* @param key
*/
private void touch(String key) {
int count = keyToCount.get(key);
keyToCount.put(key, count + 1);//訪問次數增加
//從原有訪問次數統計列表中移除
countToLRUKeys.get(count).remove(key);
//如果符合最少調用次數到key統計列表為空，則移除此調用次數到統計
if (countToLRUKeys.get(count).size() == 0) {
countToLRUKeys.remove(count);
}
//然后將此key的統計信息加入到管理列表中
LinkedHashSet<String> countKeys = countToLRUKeys.get(count + 1);
if (countKeys == null) {
countKeys = new LinkedHashSet<>();
countToLRUKeys.put(count + 1,countKeys);
}
countKeys.add(key);
}
public void put(String key, Object value) {
if (capacity <= 0) {
return;
}
if (keyToValue.containsKey(key)) {
keyToValue.put(key, value);
touch(key);
return;
}
//容量超額之后，移除訪問次數最少的元素
if (keyToValue.size() >= capacity) {
Map.Entry<Integer,LinkedHashSet<String>> entry = countToLRUKeys.firstEntry();
Iterator<String> it = entry.getValue().iterator();
String evictKey = it.next();
it.remove();
if (!it.hasNext()) {
countToLRUKeys.remove(entry.getKey());
}
keyToCount.remove(evictKey);
keyToValue.remove(evictKey);
}
keyToValue.put(key, value);
keyToCount.put(key, 1);
LinkedHashSet<String> keys = countToLRUKeys.get(1);
if (keys == null) {
keys = new LinkedHashSet<>();
countToLRUKeys.put(1,keys);
}
keys.add(key);
}
}
End
本文力求比較三個基本的緩存算法，以便對緩存建設之路有一個比較籠統的感覺。
更加易用的cache，可以參考guava的實現。謹希望這三個代碼模版，能夠對你有所幫助。
