JS 简单实现(FIFO 、LRU、LFU)缓存淘汰算法
pfan123 opened this issue · 0 comments
FIFO 、LRU、LFU缓存算法算是比较简单的,它们的区别是当缓存空间满的时候,其对数据淘汰策略不同而已,这里的话我就选择了JavaScript来进行演示FIFO 、LRU、LFU的实现。希望能帮助大家更好的理解。
1. FIFO 算法实现
FIFO (First Input First Output)可以说是最简单的一种缓存算法,通过设置缓存上限,当达到了缓存上限的时候,按照先进先出的策略进行淘汰,再增加进新的 key-value。
实现的可以创建一个map
对象来保存键值信息
然后创建keys
的数组用来进行淘汰判断
代码示例:
const FIFOCache = function (limit = 10) {
this.limit = limit
this.map = {}
this.keys = []
}
实现get
函数其实很简单,通过map返回对应值就行
代码示例:
FIFOCache.prototype.get = function (key) {
return this.map[key]
}
在set
函数中,先keys
长度是否达到限制
没达到限制直接追加
如果达到限制判断key是否已经存在,存在将key
删除,否则默认删除keys
的第一个数据与对应map
中的值
代码示例:
FIFOCache.prototype.set = function (key, value) {
if (this.keys.length >= this.limit) {
const i = this.keys.indexOf(key)
if (i >= 0) { this.keys.splice(i, 1) } else { delete this.map[this.keys.shift()] }
}
this.keys.push(key)
this.map[key] = value
}
2. LRU 算法实现
LRU(Least recently used)算法算是最常见的缓存淘汰算法,根据数据的历史访问记录来进行淘汰数据,其核心**是如果数据最近被访问过,那么将来被访问的几率也更高。
如果你搜索java的LRU实现,很多都是通过LinkedHashMap
来实现的。我这里就照着网上搜索的相关原理通过js来实现一下。
这里稍微注意的是淘汰的方向,有的是淘汰数组最前的,有的是淘汰最后的。可最后的效果都差不多,这里的话我就以淘汰首位的数据来举例编写。
开始的代码跟上面的FIFO实现差不多
代码示例:
const LRUCache = function (limit = 2) {
this.limit = limit
this.map = {}
this.keys = []
}
实现get
函数一样是通过map
返回对应值,不过需要这里多了一个update
函数,用来切换key
位置,将最新访问的数据置到最后。
代码示例:
LRUCache.prototype.get = function (key) {
let r = -1
if (typeof this.map[key] !== 'undefined') {
r = this.map[key]
this.update(key)
}
return r
}
LRUCache.prototype.update = function (key) {
const idx = this.keys.indexOf(key)
if (idx != this.keys.length - 1) {
// 删除之前位置
this.keys.splice(idx, 1)
// 重新插入到最后
this.keys.push(key)
}
}
set
函数判断map
中key
是否存在,存在直接修改值并更新key
在keys
中的位置
如果不存在,判断keys
是否已满,满则删除首位数据,然后将最新数据追加到末位
代码示例:
LRUCache.prototype.set = function (key, value) {
if (typeof key === 'undefined' || typeof value === 'undefined') throw new Error('key or value is undefined')
if (typeof this.map[key] !== 'undefined') {
this.update(key)
this.map[key] = value
} else {
// 判断容量是否满
if (this.keys.length == this.limit) {
// 淘汰首位
delete this.map[this.keys[0]]
this.keys.splice(0, 1)
}
// 插入新值
this.keys.push(key)
this.map[key] = value
}
}
以下是通过Map实现代码参考:
const LRUCache = function (capacity) {
this.cache = new Map()
this.capacity = capacity
}
LRUCache.prototype.get = function (key) {
const cache = this.cache
if (cache.has(key)) {
const temp = cache.get(key)
cache.delete(key)
cache.set(key, temp)
return temp
} else {
return -1
}
}
LRUCache.prototype.put = function (key, value) {
const cache = this.cache
if (cache.has(key)) {
cache.delete(key)
} else if (cache.size >= this.capacity) {
cache.delete(cache.keys().next().value)
}
cache.set(key, value)
}
3. LFU 算法实现
LFU(Least Frequently Used ) 也是一种常见的缓存算法。当空间满时,通过访问次数,淘汰访问次数最小的数据。
如果访问次数全部一样则默认淘汰最初添加的数据
根据需求,定义一个freqMap
用来保存访问频率数据
代码示例:
const LFUCache = function (capacity) {
this.limit = capacity
this.map = {}
this.freqMap = {}
}
get
函数跟上面的LRU算法的差不多,不过这里this.map
里所保存的对象格式为
{
value:"value", // 存值
freq:1//<== 频率
}
代码示例:
LFUCache.prototype.get = function (key) {
let r = -1
if (typeof this.map[key] !== 'undefined') {
const o = this.map[key]
r = o.value
// 更新频率记录
this.updateL(key, o)
}
return r
}
所以更新频率的时候通过对象保存的freq
字段从频率记录this.freqMap
中寻找,删除原始记录后重新追加到新的记录
代码示例:
LFUCache.prototype.updateL = function (key, obj) {
let freq = obj.freq
const arr = this.freqMap[freq]
// 删除原频率记录
this.freqMap[freq].splice(arr.indexOf(key), 1)
// 清理
if (this.freqMap[freq].length == 0) delete this.freqMap[freq]
// 跟新频率
freq = obj.freq = obj.freq + 1
if (!this.freqMap[freq]) this.freqMap[freq] = []
this.freqMap[freq].push(key)
}
set
函数判断逻辑跟LRU的差不多,区别在容量满的时候,默认取freqMap
中第一个索引对应的keys数组中第一个key,删除key对应的数据
代码示例:
LFUCache.prototype.set = function (key, value) {
if (this.limit <= 0) return
if (typeof key === 'undefined' || typeof value === 'undefined') throw new Error('key or value is undefined')
// 存在则直接更新
if (typeof this.map[key] === 'undefined') {
// 获取频率 key
// 判断容量是否满
if (Object.keys(this.map).length == this.limit) {
const fkeys = Object.keys(this.freqMap)
const freq = fkeys[0]
// 获取key集合
const keys = this.freqMap[freq]
// 淘汰首位
delete this.map[keys.shift()]
// delete this.map[keys[0]];
// keys.splice(0, 1);
// 清理
if (this.freqMap[freq].length == 0) delete this.freqMap[freq]
}
// 频率记录是否存在
if (!this.freqMap[1]) this.freqMap[1] = []
// 插入新值
this.freqMap[1].push(key)
this.map[key] = {
value: value,
freq: 1 // 默认的频率
}
} else {
this.map[key].value = value
// 更新频率记录
this.updateL(key, this.map[key])
}
}