引言

我們都聽(tīng)過(guò) cache，當(dāng)你問(wèn)他們是什么是緩存的時(shí)候，他們會(huì)給你一個(gè)完美的答案，可是他們不知道緩存是怎么構(gòu)建的，或者沒(méi)有告訴你應(yīng)該采用什么標(biāo)準(zhǔn)去選擇緩存框架。在這邊文章，我們會(huì)去討論緩存，緩存算法，緩存框架以及哪個(gè)緩存框架會(huì)更好。

面試

“緩存就是存貯數(shù)據(jù)（使用頻繁的數(shù)據(jù)）的臨時(shí)地方，因?yàn)槿≡紨?shù)據(jù)的代價(jià)太大了，所以我可以取得快一些。”

這就是 programmer one （programmer one 是一個(gè)面試者）在面試中的回答（一個(gè)月前，他向公司提交了簡(jiǎn)歷，想要應(yīng)聘要求在緩存，緩存框架，大規(guī)模數(shù)據(jù)操作有著豐富經(jīng)驗(yàn)的 java 開(kāi)發(fā)職位）。

programmer one 通過(guò) hash table 實(shí)現(xiàn)了他自己的緩存，但是他知道的只是他的緩存和他那存儲(chǔ)著150條記錄的 hash table，這就是他認(rèn)為的大規(guī)模數(shù)據(jù)（緩存 = hashtable，只需要在 hash table 查找就好了），所以，讓我們來(lái)看看面試的過(guò)程吧。

面試官：你選擇的緩存方案，是基于什么標(biāo)準(zhǔn)的？

programmer one：呃，（想了5分鐘）嗯，基于，基于，基于數(shù)據(jù)（咳嗽……）

面試官：excese me ! 能不能重復(fù)一下？

programmer one：數(shù)據(jù)？！

面試官：好的。說(shuō)說(shuō)幾種緩存算法以及它們的作用

programmer one：（凝視著面試官，臉上露出了很奇怪的表情，沒(méi)有人知道原來(lái)人類可以做出這種表情  ）

面試官：好吧，那我換個(gè)說(shuō)法，當(dāng)緩存達(dá)到容量時(shí)，會(huì)怎么做？

programmer one：容量？嗯（思考……hash table 的容量時(shí)沒(méi)有限制的，我能任意增加條目，它會(huì)自動(dòng)擴(kuò)充容量的）（這是 programmer one 的想法，但是他沒(méi)有說(shuō)出來(lái)）

面試官對(duì) programmer one 表示感謝（面試過(guò)程持續(xù)了10分鐘），之后一個(gè)女士走過(guò)來(lái)說(shuō)：謝謝你的時(shí)間，我們會(huì)給你打電話的，祝你好心情。這是 programmer one 最糟糕的面試（他沒(méi)有看到招聘對(duì)求職者有豐富的緩存經(jīng)驗(yàn)背景要求，實(shí)際上，他只看到了豐厚的報(bào)酬  ）。

說(shuō)到做到

programmer one 離開(kāi)之后，他想要知道這個(gè)面試者說(shuō)的問(wèn)題和答案，所以他上網(wǎng)去查，programmer one 對(duì)緩存一無(wú)所知，除了：當(dāng)我需要緩存的時(shí)候，我就會(huì)用 hash table。

在他使用了他最愛(ài)的搜索引擎搜索之后，他找到了一篇很不錯(cuò)的關(guān)于緩存文章，并且開(kāi)始去閱讀……

#p#

為什么我們需要緩存？

很久很久以前，在還沒(méi)有緩存的時(shí)候……用戶經(jīng)常是去請(qǐng)求一個(gè)對(duì)象，而這個(gè)對(duì)象是從數(shù)據(jù)庫(kù)去取，然后，這個(gè)對(duì)象變得越來(lái)越大，這個(gè)用戶每次的請(qǐng)求時(shí)間也越來(lái)越長(zhǎng)了，這也把數(shù)據(jù)庫(kù)弄得很痛苦，他無(wú)時(shí)不刻不在工作。所以，這個(gè)事情就把用戶和數(shù)據(jù)庫(kù)弄得很生氣，接著就有可能發(fā)生下面兩件事情：

１.用戶很煩，在抱怨，甚至不去用這個(gè)應(yīng)用了（這是大多數(shù)情況下都會(huì)發(fā)生的）

２.數(shù)據(jù)庫(kù)為打包回家，離開(kāi)這個(gè)應(yīng)用，然后，就出現(xiàn)了大麻煩（沒(méi)地方去存儲(chǔ)數(shù)據(jù)了）（發(fā)生在極少數(shù)情況下）

上帝派來(lái)了緩存

在幾年之后，IBM（60年代）的研究人員引進(jìn)了一個(gè)新概念，它叫“緩存”。

什么是緩存？

正如開(kāi)篇所講，緩存是“存貯數(shù)據(jù)（使用頻繁的數(shù)據(jù)）的臨時(shí)地方，因?yàn)槿≡紨?shù)據(jù)的代價(jià)太大了，所以我可以取得快一些。”

緩存可以認(rèn)為是數(shù)據(jù)的池，這些數(shù)據(jù)是從數(shù)據(jù)庫(kù)里的真實(shí)數(shù)據(jù)復(fù)制出來(lái)的，并且為了能別取回，被標(biāo)上了標(biāo)簽（鍵 ID）。太棒了

programmer one 已經(jīng)知道這點(diǎn)了，但是他還不知道下面的緩存術(shù)語(yǔ)。

命中：

當(dāng)客戶發(fā)起一個(gè)請(qǐng)求（我們說(shuō)他想要查看一個(gè)產(chǎn)品信息），我們的應(yīng)用接受這個(gè)請(qǐng)求，并且如果是在第一次檢查緩存的時(shí)候，需要去數(shù)據(jù)庫(kù)讀取產(chǎn)品信息。

如果在緩存中，一個(gè)條目通過(guò)一個(gè)標(biāo)記被找到了，這個(gè)條目就會(huì)被使用、我們就叫它緩存命中。所以，命中率也就不難理解了。

Cache Miss：

但是這里需要注意兩點(diǎn)：

１.　如果還有緩存的空間，那么，沒(méi)有命中的對(duì)象會(huì)被存儲(chǔ)到緩存中來(lái)。

２.　如果緩存慢了，而又沒(méi)有命中緩存，那么就會(huì)按照某一種策略，把緩存中的舊對(duì)象踢出，而把新的對(duì)象加入緩存池。而這些策略統(tǒng)稱為替代策略（緩存算法），這些策略會(huì)決定到底應(yīng)該提出哪些對(duì)象。

存儲(chǔ)成本：

當(dāng)沒(méi)有命中時(shí)，我們會(huì)從數(shù)據(jù)庫(kù)取出數(shù)據(jù)，然后放入緩存。而把這個(gè)數(shù)據(jù)放入緩存所需要的時(shí)間和空間，就是存儲(chǔ)成本。

索引成本：

和存儲(chǔ)成本相仿。

失效：

當(dāng)存在緩存中的數(shù)據(jù)需要更新時(shí)，就意味著緩存中的這個(gè)數(shù)據(jù)失效了。

替代策略：

當(dāng)緩存沒(méi)有命中時(shí)，并且緩存容量已經(jīng)滿了，就需要在緩存中踢出一個(gè)老的條目，加入一條新的條目，而到底應(yīng)該踢出什么條目，就由替代策略決定。

最優(yōu)替代策略：

最優(yōu)的替代策略就是想把緩存中最沒(méi)用的條目給踢出去，但是未來(lái)是不能夠被預(yù)知的，所以這種策略是不可能實(shí)現(xiàn)的。但是有很多策略，都是朝著這個(gè)目前去努力。

Java 街惡夢(mèng)：

當(dāng) programmer one 在讀這篇文章的時(shí)候，他睡著了，并且做了個(gè)惡夢(mèng)（每個(gè)人都有做惡夢(mèng)的時(shí)候）。

programmer one：nihahha，我要把你弄失效?。ǒ偪竦臓顟B(tài)）

緩存對(duì)象：別別，讓我活著，他們還需要我，我還有孩子。

programmer one：每個(gè)緩存對(duì)象在失效之前都會(huì)那樣說(shuō)。你從什么時(shí)候開(kāi)始有孩子的？不用擔(dān)心，現(xiàn)在就永遠(yuǎn)消失吧！

哈哈哈哈哈……programmer one 恐怖的笑著，但是警笛打破了沉靜，警察把 programmer one 抓了起來(lái)，并且控告他殺死了（失效）一個(gè)仍需被使用的緩存對(duì)象，他被押到了監(jiān)獄。

programmer one 突然醒了，他被嚇到了，渾身是汗，他開(kāi)始環(huán)顧四周，發(fā)現(xiàn)這確實(shí)是個(gè)夢(mèng)，然后趕緊繼續(xù)閱讀這篇文章，努力的消除自己的恐慌。

在programmer one 醒來(lái)之后，他又開(kāi)始閱讀文章了。

#p#

緩存算法

沒(méi)有人能說(shuō)清哪種緩存算法優(yōu)于其他的緩存算法

Least Frequently Used（LFU）：

大家好，我是 LFU，我會(huì)計(jì)算為每個(gè)緩存對(duì)象計(jì)算他們被使用的頻率。我會(huì)把最不常用的緩存對(duì)象踢走。

Least Recently User（LRU）：

我是 LRU 緩存算法，我把最近最少使用的緩存對(duì)象給踢走。

我總是需要去了解在什么時(shí)候，用了哪個(gè)緩存對(duì)象。如果有人想要了解我為什么總能把最近最少使用的對(duì)象踢掉，是非常困難的。

瀏覽器就是使用了我（LRU）作為緩存算法。新的對(duì)象會(huì)被放在緩存的頂部，當(dāng)緩存達(dá)到了容量極限，我會(huì)把底部的對(duì)象踢走，而技巧就是：我會(huì)把最新被訪問(wèn)的緩存對(duì)象，放到緩存池的頂部。

所以，經(jīng)常被讀取的緩存對(duì)象就會(huì)一直呆在緩存池中。有兩種方法可以實(shí)現(xiàn)我，array 或者是 linked list。

我的速度很快，我也可以被數(shù)據(jù)訪問(wèn)模式適配。我有一個(gè)大家庭，他們都可以完善我，甚至做的比我更好（我確實(shí)有時(shí)會(huì)嫉妒，但是沒(méi)關(guān)系）。我家庭的一些成員包括 LRU2 和 2Q，他們就是為了完善 LRU 而存在的。

Least Recently Used 2（LRU2）：

我是 Least Recently Used 2，有人叫我最近最少使用 twice，我更喜歡這個(gè)叫法。我會(huì)把被兩次訪問(wèn)過(guò)的對(duì)象放入緩存池，當(dāng)緩存池滿了之后，我會(huì)把有兩次最少使用的緩存對(duì)象踢走。因?yàn)樾枰檶?duì)象2次，訪問(wèn)負(fù)載就會(huì)隨著緩存池的增加而增加。如果把我用在大容量的緩存池中，就會(huì)有問(wèn)題。另外，我還需要跟蹤那么不在緩存的對(duì)象，因?yàn)樗麄冞€沒(méi)有被第二次讀取。我比LRU好，而且是 adoptive to access 模式 。

Two Queues（2Q）：

我是 Two Queues；我把被訪問(wèn)的數(shù)據(jù)放到 LRU 的緩存中，如果這個(gè)對(duì)象再一次被訪問(wèn)，我就把他轉(zhuǎn)移到第二個(gè)、更大的 LRU 緩存。

我踢走緩存對(duì)象是為了保持第一個(gè)緩存池是第二個(gè)緩存池的1/3。當(dāng)緩存的訪問(wèn)負(fù)載是固定的時(shí)候，把 LRU 換成 LRU2，就比增加緩存的容量更好。這種機(jī)制使得我比 LRU2 更好，我也是 LRU 家族中的一員，而且是 adoptive to access 模式 。

Adaptive Replacement Cache（ARC）：

我是 ARC，有人說(shuō)我是介于 LRU 和 LFU 之間，為了提高效果，我是由2個(gè) LRU 組成，第一個(gè)，也就是 L1，包含的條目是最近只被使用過(guò)一次的，而第二個(gè) LRU，也就是 L2，包含的是最近被使用過(guò)兩次的條目。因此， L1 放的是新的對(duì)象，而 L2 放的是常用的對(duì)象。所以，別人才會(huì)認(rèn)為我是介于 LRU 和 LFU 之間的，不過(guò)沒(méi)關(guān)系，我不介意。

我被認(rèn)為是性能最好的緩存算法之一，能夠自調(diào)，并且是低負(fù)載的。我也保存著歷史對(duì)象，這樣，我就可以記住那些被移除的對(duì)象，同時(shí)，也讓我可以看到被移除的對(duì)象是否可以留下，取而代之的是踢走別的對(duì)象。我的記憶力很差，但是我很快，適用性也強(qiáng)。

Most Recently Used（MRU）：

我是 MRU，和 LRU 是對(duì)應(yīng)的。我會(huì)移除最近最多被使用的對(duì)象，你一定會(huì)問(wèn)我為什么。好吧，讓我告訴你，當(dāng)一次訪問(wèn)過(guò)來(lái)的時(shí)候，有些事情是無(wú)法預(yù)測(cè)的，并且在緩存系統(tǒng)中找出最少最近使用的對(duì)象是一項(xiàng)時(shí)間復(fù)雜度非常高的運(yùn)算，這就是為什么我是最好的選擇。

我是數(shù)據(jù)庫(kù)內(nèi)存緩存中是多么的常見(jiàn)！每當(dāng)一次緩存記錄的使用，我會(huì)把它放到棧的頂端。當(dāng)棧滿了的時(shí)候，你猜怎么著？我會(huì)把棧頂?shù)膶?duì)象給換成新進(jìn)來(lái)的對(duì)象！

First in First out（FIFO）：

我是先進(jìn)先出，我是一個(gè)低負(fù)載的算法，并且對(duì)緩存對(duì)象的管理要求不高。我通過(guò)一個(gè)隊(duì)列去跟蹤所有的緩存對(duì)象，最近最常用的緩存對(duì)象放在后面，而更早的緩存對(duì)象放在前面，當(dāng)緩存容量滿時(shí)，排在前面的緩存對(duì)象會(huì)被踢走，然后把新的緩存對(duì)象加進(jìn)去。我很快，但是我并不適用。

Second Chance：

大家好，我是 second chance，我是通過(guò) FIFO 修改而來(lái)的，被大家叫做 second chance 緩存算法，我比 FIFO 好的地方是我改善了 FIFO 的成本。我是 FIFO 一樣也是在觀察隊(duì)列的前端，但是很FIFO的立刻踢出不同，我會(huì)檢查即將要被踢出的對(duì)象有沒(méi)有之前被使用過(guò)的標(biāo)志（1一個(gè) bit 表示），沒(méi)有沒(méi)有被使用過(guò)，我就把他踢出；否則，我會(huì)把這個(gè)標(biāo)志位清除，然后把這個(gè)緩存對(duì)象當(dāng)做新增緩存對(duì)象加入隊(duì)列。你可以想象就這就像一個(gè)環(huán)隊(duì)列。當(dāng)我再一次在隊(duì)頭碰到這個(gè)對(duì)象時(shí)，由于他已經(jīng)沒(méi)有這個(gè)標(biāo)志位了，所以我立刻就把他踢開(kāi)了。我在速度上比 FIFO 快。

CLock：

我是 Clock，一個(gè)更好的 FIFO，也比 second chance 更好。因?yàn)槲也粫?huì)像 second chance 那樣把有標(biāo)志的緩存對(duì)象放到隊(duì)列的尾部，但是也可以達(dá)到 second chance 的效果。

我持有一個(gè)裝有緩存對(duì)象的環(huán)形列表，頭指針指向列表中最老的緩存對(duì)象。當(dāng)緩存 miss 發(fā)生并且沒(méi)有新的緩存空間時(shí)，我會(huì)問(wèn)問(wèn)指針指向的緩存對(duì)象的標(biāo)志位去決定我應(yīng)該怎么做。如果標(biāo)志是0，我會(huì)直接用新的緩存對(duì)象替代這個(gè)緩存對(duì)象；如果標(biāo)志位是1，我會(huì)把頭指針遞增，然后重復(fù)這個(gè)過(guò)程，知道新的緩存對(duì)象能夠被放入。我比 second chance 更快。

Simple time-based：

我是 simple time-based 緩存算法，我通過(guò)絕對(duì)的時(shí)間周期去失效那些緩存對(duì)象。對(duì)于新增的對(duì)象，我會(huì)保存特定的時(shí)間。我很快，但是我并不適用。

Extended time-based expiration：

我是 extended time-based expiration 緩存算法，我是通過(guò)相對(duì)時(shí)間去失效緩存對(duì)象的；對(duì)于新增的緩存對(duì)象，我會(huì)保存特定的時(shí)間，比如是每5分鐘，每天的12點(diǎn)。

Sliding time-based expiration：

我是 sliding time-based expiration，與前面不同的是，被我管理的緩存對(duì)象的生命起點(diǎn)是在這個(gè)緩存的最后被訪問(wèn)時(shí)間算起的。我很快，但是我也不太適用。

其他的緩存算法還考慮到了下面幾點(diǎn)：

成本：如果緩存對(duì)象有不同的成本，應(yīng)該把那些難以獲得的對(duì)象保存下來(lái)。

容量：如果緩存對(duì)象有不同的大小，應(yīng)該把那些大的緩存對(duì)象清除，這樣就可以讓更多的小緩存對(duì)象進(jìn)來(lái)了。

時(shí)間：一些緩存還保存著緩存的過(guò)期時(shí)間。電腦會(huì)失效他們，因?yàn)樗麄円呀?jīng)過(guò)期了。

根據(jù)緩存對(duì)象的大小而不管其他的緩存算法可能是有必要的。

#p#

電子郵件！

在讀完這篇文章之后，programmer one 想了一會(huì)兒，然后決定給作者發(fā)封郵件，他感覺(jué)作者的名字在哪聽(tīng)過(guò)，但是已經(jīng)想不起來(lái)了。不管怎樣，他還是把郵件發(fā)送出來(lái)了，他詢問(wèn)了作者在分布式環(huán)境中，緩存是怎么樣工作的。

文章的作者收到了郵件，具有諷刺意味的是，這個(gè)作者就是面試 programmer one 的人  ，作者回復(fù)了……

在這一部分中，我們來(lái)看看如何實(shí)現(xiàn)這些著名的緩存算法。以下的代碼只是示例用的，如果你想自己實(shí)現(xiàn)緩存算法，可能自己還得加上一些額外的工作。

LeftOver 機(jī)制

在 programmer one 閱讀了文章之后，他接著看了文章的評(píng)論，其中有一篇評(píng)論提到了 leftover 機(jī)制——random cache。

Random Cache

我是隨機(jī)緩存，我隨意的替換緩存實(shí)體，沒(méi)人敢抱怨。你可以說(shuō)那個(gè)被替換的實(shí)體很倒霉。通過(guò)這些行為，我隨意的去處緩存實(shí)體。我比 FIFO 機(jī)制好，在某些情況下，我甚至比 LRU 好，但是，通常LRU都會(huì)比我好。

現(xiàn)在是評(píng)論時(shí)間

當(dāng) programmer one 繼續(xù)閱讀評(píng)論的時(shí)候，他發(fā)現(xiàn)有個(gè)評(píng)論非常有趣，這個(gè)評(píng)論實(shí)現(xiàn)了一些緩存算法，應(yīng)該說(shuō)這個(gè)評(píng)論做了一個(gè)鏈向評(píng)論者網(wǎng)站的鏈接，programmer one順著鏈接到了那個(gè)網(wǎng)站，接著閱讀。

看看緩存元素（緩存實(shí)體）

public class CacheElement  
 {  
     private Object objectValue;  
     private Object objectKey;  
     private int index;  
     private int hitCount;　// getters and setters  
 } 

這個(gè)緩存實(shí)體擁有緩存的key和value，這個(gè)實(shí)體的數(shù)據(jù)結(jié)構(gòu)會(huì)被以下所有緩存算法用到。

緩存算法的公用代碼

public final synchronized void addElement(Object key, Object value)  
{  
    int index;  
    Object obj;  
    // get the entry from the table  
    obj = table.get(key);  
    // If we have the entry already in our table  
    // then get it and replace only its value.  
    obj = table.get(key);  
   
    if (obj != null)  
    {  
        CacheElement element;  
        element = (CacheElement) obj;  
        element.setObjectValue(value);  
        element.setObjectKey(key);  
        return;  
    }  
} 

上面的代碼會(huì)被所有的緩存算法實(shí)現(xiàn)用到。這段代碼是用來(lái)檢查緩存元素是否在緩存中了，如果是，我們就替換它，但是如果我們找不到這個(gè) key 對(duì)應(yīng)的緩存，我們會(huì)怎么做呢？那我們就來(lái)深入的看看會(huì)發(fā)生什么吧！

現(xiàn)場(chǎng)訪問(wèn)

今天的專題很特殊，因?yàn)槲覀冇刑厥獾目腿耍聦?shí)上他們是我們想要聽(tīng)的與會(huì)者，但是首先，先介紹一下我們的客人：Random Cache，F(xiàn)IFO Cache。讓我們從 Random Cache開(kāi)始。

看看隨機(jī)緩存的實(shí)現(xiàn)

public final synchronized void addElement(Object key, Object value)  
{  
    int index;  
    Object obj;  
    obj = table.get(key);  
    if (obj != null)  
    {  
        CacheElement element;// Just replace the value.  
        element = (CacheElement) obj;  
        element.setObjectValue(value);  
        element.setObjectKey(key);  
        return;  
    }// If we haven't filled the cache yet, put it at the end.  
    if (!isFull())  
    {  
        index = numEntries;  
        ++numEntries;  
    }  
    else { // Otherwise, replace a random entry.  
        index = (int) (cache.length * random.nextFloat());  
        table.remove(cache[index].getObjectKey());  
    }  
    cache[index].setObjectValue(value);  
    cache[index].setObjectKey(key);  
    table.put(key, cache[index]);  
} 

看看FIFO緩算法的實(shí)現(xiàn)

public final synchronized void addElement(Objectkey, Object value)  
{  
    int index;  
    Object obj;  
    obj = table.get(key);  
    if (obj != null)  
    {  
        CacheElement element; // Just replace the value.  
        element = (CacheElement) obj;  
        element.setObjectValue(value);  
        element.setObjectKey(key);  
        return;  
    }  
    // If we haven't filled the cache yet, put it at the end.  
    if (!isFull())  
    {  
        index = numEntries;  
        ++numEntries;  
    }  
    else { // Otherwise, replace the current pointer,  
           // entry with the new one.  
        index = current;  
        // in order to make Circular FIFO  
        if (++current >= cache.length)  
            current = 0;  
        table.remove(cache[index].getObjectKey());  
    }  
    cache[index].setObjectValue(value);  
    cache[index].setObjectKey(key);  
    table.put(key, cache[index]);  
} 

看看LFU緩存算法的實(shí)現(xiàn)

public synchronized Object getElement(Object key)  
{  
    Object obj;  
    obj = table.get(key);  
    if (obj != null)  
    {  
        CacheElement element = (CacheElement) obj;  
        element.setHitCount(element.getHitCount() + 1);  
        return element.getObjectValue();  
    }  
    return null;  
}  
public final synchronized void addElement(Object key, Object value)  
{  
    Object obj;  
    obj = table.get(key);  
    if (obj != null)  
    {  
        CacheElement element; // Just replace the value.  
        element = (CacheElement) obj;  
        element.setObjectValue(value);  
        element.setObjectKey(key);  
        return;  
    }  
    if (!isFull())  
    {  
        index = numEntries;  
        ++numEntries;  
    }  
    else 
    {  
        CacheElement element = removeLfuElement();  
        index = element.getIndex();  
        table.remove(element.getObjectKey());  
    }  
    cache[index].setObjectValue(value);  
    cache[index].setObjectKey(key);  
    cache[index].setIndex(index);  
    table.put(key, cache[index]);  
}  
public CacheElement removeLfuElement()  
{  
    CacheElement[] elements = getElementsFromTable();  
    CacheElement leastElement = leastHit(elements);  
    return leastElement;  
}  
public static CacheElement leastHit(CacheElement[] elements)  
{  
    CacheElement lowestElement = null;  
    for (int i = 0; i < elements.length; i++)  
    {  
        CacheElement element = elements[i];  
        if (lowestElement == null)  
        {  
            lowestElement = element;  
        }  
        else {  
            if (element.getHitCount() < lowestElement.getHitCount())  
            {  
                lowestElement = element;  
            }  
        }  
    }  
    return lowestElement;  
} 

今天的專題很特殊，因?yàn)槲覀冇刑厥獾目腿?，事?shí)上他們是我們想要聽(tīng)的與會(huì)者，但是首先，先介紹一下我們的客人：Random Cache, FIFO Cache。讓我們從 Random Cache開(kāi)始。

最重點(diǎn)的代碼，就應(yīng)該是 leastHit 這個(gè)方法，這段代碼就是把hitCount 最低的元素找出來(lái)，然后刪除，給新進(jìn)的緩存元素留位置。

看看LRU緩存算法實(shí)現(xiàn)

private void moveToFront(int index)  
{  
    int nextIndex, prevIndex;  
    if(head != index)  
    {  
        nextIndex = next[index];  
        prevIndex = prev[index];  
        // Only the head has a prev entry that is an invalid index  
        // so we don't check.  
        next[prevIndex] = nextIndex;  
        // Make sure index is valid. If it isn't, we're at the tail  
        // and don't set prev[next].  
        if(nextIndex >= 0)  
            prev[nextIndex] = prevIndex;  
        else 
            tail = prevIndex;  
        prev[index] = -1;  
        next[index] = head;  
        prev[head] = index;  
        head = index;  
    }  
}  
public final synchronized void addElement(Object key, Object value)  
{  
    int index;Object obj;  
    obj = table.get(key);  
    if(obj != null)  
    {  
        CacheElement entry;  
        // Just replace the value, but move it to the front.  
        entry = (CacheElement)obj;  
        entry.setObjectValue(value);  
        entry.setObjectKey(key);  
        moveToFront(entry.getIndex());  
        return;  
    }  
    // If we haven't filled the cache yet, place in next available  
    // spot and move to front.  
    if(!isFull())  
    {  
        if(_numEntries > 0)  
        {  
            prev[_numEntries] = tail;  
            next[_numEntries] = -1;  
            moveToFront(numEntries);  
        }  
        ++numEntries;  
    }  
    else { // We replace the tail of the list.  
        table.remove(cache[tail].getObjectKey());  
        moveToFront(tail);  
    }  
    cache[head].setObjectValue(value);  
    cache[head].setObjectKey(key);  
    table.put(key, cache[head]);  
} 

這段代碼的邏輯如 LRU算法 的描述一樣，把再次用到的緩存提取到最前面，而每次刪除的都是最后面的元素。

結(jié)論

我們已經(jīng)看到 LFU緩存算法 和 LRU緩存算法的實(shí)現(xiàn)方式，至于如何實(shí)現(xiàn)，采用數(shù)組還是 LinkedHashMap，都由你決定，不夠我一般是小的緩存容量用數(shù)組，大的用 LinkedHashMap。

原文鏈接：http://blog.jobbole.com/30940/