javalru演算法實現

❶ LRU演算法 O(1)時間復雜度

實現緩粗LRU演算法，查找刪除時間復雜度都為O(1)
LRU Cache是一個Cache置換演算法，含義是「最近最少使用」，當Cache滿（沒有空閑的cache塊）時，擾缺鎮把滿足「最近最少使用」的數據從Cache中置換出去，並且保證Cache中第一個數據是最近剛剛訪問的

實現思路
利用hashmap加鏈扮燃表來實現這個原理
鏈表元素node由兩個元素構成（key-value），在hashmap中存入node的key值，以及node；hashmap的構成為<Integer,Node>

為保證每次查找為O(1)並要判斷雙向鏈表裡面是否含有元素，所以要將node設為兩個值，key和value，其中node的key與map的值相同，當hashmap中存在key的時候，則雙向鏈表中也存在key。利用這個特質，能完成查找刪除都為O(1)

將最小使用的元素刪除，核心就是每次插入的時候，都插入到鏈表的頭結點；每次get一個元素時候，將get的那個元素刪除，然後將元素插入到頭結點

❷ LRU 緩存淘汰演算法

當要緩存某個數據的時候，先在鏈表中查找這個數據。如果沒有找到，則直接將數據放到鏈表的尾部；如果找到了，我們就把它移動到鏈表的尾部，然後淘汰頭部數據。

因為查找數據需要遍歷鏈表，所以單純用鏈表實現的 LRU 緩存淘汰演算法的時間復雜很高，是 O(n)。如果我們將散列表和雙向鏈表兩種數據結構組合使用，可以將這三個操作的時間復雜度都降低到 O(1)。

因為我們的散列表是通過鏈表法解決散列沖突的，所以每個結點會在兩條鏈中。一個鏈是剛剛我們提到的雙向鏈表，另一個鏈是散列表中的拉鏈。前驅和後繼指針是為了將結點串在雙向鏈表中，hnext 指針是為了將結點串在散列表的拉鏈中。

這整個過程涉及的查找操作都可以通過散列表來完成。其他的操作，比如刪除頭結點、鏈表尾部插入數據等，通過雙向鏈表都可以在 O(1) 的時間復雜度內完成。所以，這三個操作的時間復雜度都是 O(1)。

至此，我們就通過散列表和雙向鏈表的組合使用，實現了一個高效的、支持 LRU 緩存淘汰演算法的緩存系統原型。

散列表中數據是經過散列函數打亂之後無規律存儲的，但是 LinkedHashMap可以 做到按照數據的插入順序來存儲。

每次調用 put() 函數，往 LinkedHashMap 中添加數據的時候，都會將數據添加到鏈表的尾部，再次將鍵值為 3 的數據放入到 LinkedHashMap 的時候，會先查找這個鍵值是否已經有了，然後，再將已經存在的 (3,11) 刪除，並且將新的 (3,26) 放到鏈表的尾部，訪問到 key 為 5 的數據的時候，我們將被訪問到的數據移動到鏈表的尾部。

所以按照訪問時間排序的 LinkedHashMap 本身就是一個支持 LRU 緩存淘汰策略的緩存系統。

散列表這種數據結構雖然支持非常高效的數據插入、刪除、查找操作，但是散列表中的數據都是通過散列函數打亂之後無規律存儲的。也就說，它無法支持按照某種順序快速地遍歷數據。如果希望按照順序遍歷散列表中的數據，那我們需要將散列表中的數據拷貝到數組中，然後排序，再遍歷。

因為散列表是動態數據結構，不停地有數據的插入、刪除，所以每當我們希望按順序遍歷散列表中的數據的時候，都需要先排序，那效率勢必會很低。為了解決這個問題，我們將散列表和鏈表（或者跳錶）結合在一起使用。

❸ lru演算法是什麼

lru演算法是一種頁面置換演算法，在對於內存中但是又不用的數據塊，叫做LRU，操作系統會根據那些數據屬於LRU而將其移出內存而騰出空間來載入另外的數據。

LRU演算法：最近最少使用，簡單來說就是將數據塊中，每次使用過的數據放在數據塊的最前端，然後將存在的時間最長的，也就是數據塊的末端的數據剔除掉這就是LRU演算法。

如果進程被調度，該進程需要使用的外存頁（數據）不存在於數據塊中，這個現象就叫做缺頁。如果這個數據此時不在，就會將這個數據從加入到數據塊首部。

數據塊插入與剔除：每次有新數據到來時，會將其放入數據塊首部，當數據每次被訪問時，將這個數據插入數據塊的首部如果數據塊滿了，每次新進的數據都會將數據塊尾部的數據擠出數據塊。

差距

為了盡量減少與理想演算法的差距，產生了各種精妙的演算法，最少使用頁面置換演算法便是其中一個。LRU演算法的提出，是基於這樣一個事實：在前面幾條指令中使用頻繁的頁面很可能在後面的幾條指令中頻繁使用。

反過來說，已經很久沒有使用的頁面很可能在未來較長的一段時間內不會被用到。這個，就是著名的局部性原理——比內存速度還要快的cache，也是基於同樣的原理運行的。因此，我們只需要在每次調換時，找到最少使用的那個頁面調出內存。這就是LRU演算法的全部內容。

LRU在電子系統中的解釋：

Line Replaceable Unit—LRU，電子系統中常採用模塊化設計，這種可更換的模塊單元則被叫做LRU，中文名稱是「線性可更換單元」。

❹ LRU演算法具體怎麼算的，有沒有例子

有例子 LRU（least recently used）最近最久未使用。
假設 序列為 4 3 4 2 3 1 4 2
物理塊有3個 則
首輪 4調入內存 4
次輪 3調入內存 3 4
之後 4調入內存 4 3
之後 2調入內存 2 4 3
之後 3調入內存 3 2 4
之後 1調入內存 1 3 2（因為最近最久未使用的是4，從這里向前找最近最久未使用的）
之後 4調入內存 4 1 3（原理同上）
最後 2調入內存 2 4 1

過程就是這樣的，樓主只要明白最近最久未使用這個道理，再回去參考書上的例子就明白是怎麼算的啦！呵呵！

❺ lru的演算法是什麼

lru的演算法是一種常用的頁面置換演算法，選擇最近最久未使用的頁面予以淘汰。該演算法賦予每個頁面一個訪問欄位，用來記錄一個頁面自上次被訪問以來所經歷的時間 t，當須淘汰一個頁面時，選擇現有頁面中其 t 值最大的，即最近最少使用的頁面予以淘汰。

對於虛擬頁式存儲，內外存信息的替換是以頁面為單位進行的——當需要一個放在外存的頁面時，把它調入內存，同時為了保持原有空間的大小，還要把一個內種調動越少，進程執行的效率也就越高。

硬體支持

LRU置換演算法雖然是一種比較好的演算法，但要求系統有較多的支持硬體。為了了解一個進程在內存中的各個頁面各有多少時間未被進程訪問，以及如何快速地知道哪一頁是最近最久未使用的頁面，須有兩類硬體之一的支持：寄存器或棧。

寄存器

為了記錄某進程在內存中各頁的使用情況，須為每個在內存中的頁面配置一個移位寄存器，可表示為：

R = Rn-1 Rn-2 Rn-3…R2 R1 R0。

❻ LRU頁面淘汰演算法

LRU演算法
最近最久未使用(LRU)的頁面置換演算法，是根據頁面調入內存後的使用情況進行決策的。由於無法預測各頁面將來的使用情況，只能利用「最近的過去」作為「最近的將來」的近似，因此，LRU置換演算法是選擇最近最久未使用的頁面予以淘汰。該演算法賦予每個頁面一個訪問欄位，用來記錄一個頁面自上次被訪問以來所經歷的時間t，當須淘汰一個頁面時，選擇現有頁面中其t值最大的，即最近最久未使用的頁面予以淘汰。
LRU的實現（需要「堆棧」支持）
可利用一個特殊的棧來保存當前使用的各個頁面的頁面號。每當進程訪問某頁面時，便將該頁面的頁面號從棧中移出，將它壓入棧頂。因此，棧頂始終是最新被訪問頁面的編號，而棧底則是最近最久未使用頁面的頁面號。

❼ lru演算法是什麼呢

LRU演算法是最少使用頁面置換演算法（Least Recently Used），首先置換近期最長時間以來沒被訪問的頁面，是為虛擬頁式存儲管理服務的。

LRU演算法的設計原則是：如果一個數據在最近一段時間沒有被訪問到，那麼在將來它被訪問的可能性也很小。也就是說，當限定的空間已存滿數據時，應當把最久沒有被訪問到的數據淘汰。

LRU原理

該思想最初用於計算機操作系統中，內存中的容量較有限，為了能更加合理的利用內存中的性能，對用戶的使用作出假設，最近最少使用的越不重要，最近使用的越有可能使用到，使得該元素更容易獲取到。

如果元素當前容量超過了內存最大容量，則需要刪除掉最近最少使用的元素。在其之後，許多緩存及許多分布式系統都採用才思想。