背景

最近沒事看公司自研ssr框架feb，注意到里面頁面級緩存和組件級緩存用到了LRU緩存，這讓我想起了之前看keep-alive源碼，貌似也是使用了LRU緩存。之前看過redis的文章，好像也是基于這個理念實現的；在刷leetcode的時候，有時候也會碰到類似LRU的題目。今天記錄一下LRU算法，加深我們對這塊的印象。

研究

LRU （Least recently used：最近最少使用）最近被訪問的，被訪問的幾率變大。最少被訪問的，當磁盤被寫滿時，會被清除。

一張圖來理解一下：

假設我們有一塊內存，一共能夠存儲 5 數據塊；

依次向內存存入A、B、C、D、E，此時內存已經存滿；

再次插入新的數據時，會將在內存存放時間最久的數據A淘汰掉；

當我們在外部再次讀取數據B時，已經處于末尾的B會被標記為活躍狀態，提到頭部，數據C就變成了存放時間最久的數據；

再次插入新的數據G，存放時間最久的數據C就會被淘汰掉；

算法實現

class LRUCache {// 存儲數據put (key, value) {if (this.cache[key]) {// 如果該 key 之前存在，將 key 重新激活this.active(key)this.cache[key] = value// 而且此時緩存的長度不會發生變化// 所以不需要進行后續的長度判斷，可以直接返回return} ?// 存儲之前需要先判斷長度是否達到上限if (this.list.length >= this.capacity) {// 由于每次存儲后，都會將 key 放入 list 最后，// 所以，需要取出第一個 key，并刪除cache中的數據。const latest = this.list.shift()delete this.cache[latest]}// 寫入緩存this.cache[key] = value// 寫入緩存后，需要將 key 放入 list 的最后this.list.push(key)} }

總結

以上是生活随笔為你收集整理的对LRU算法的理解和应用场景的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。