LRU 存储算法：提升代码执行效率的利器

IOS

2023-12-10 01:49:35

LRU 算法：高效管理内存，提升应用程序性能

LRU 算法概述

是什么？

LRU（最近最少使用）算法是一种缓存算法，它通过跟踪数据项的最近使用时间来管理数据。其背后的理念很简单：最近使用的项更有可能在不久的将来再次被使用。

如何运作？

LRU 算法通常使用双向链表或哈希表来实现。当一个数据项被访问时，它会被移动到链表的头部或哈希表的开头。当缓存已满并且需要淘汰一个项时，算法会从链表的尾部或哈希表的末尾删除最不常用的项（即最近最少使用的项）。

LRU 算法的优点

性能优化： 通过缓存常用数据，LRU 算法可以显著减少数据检索时间，从而提升应用程序的整体性能。
内存高效： LRU 算法只保留最近使用的项，从而有效地利用内存资源。
通用性： LRU 算法可广泛应用于各种场景，包括 Web 缓存、数据库缓存和文件系统缓存。

LRU 算法的实现

在 OC 和 Python 中，LRU 算法可以使用多种方式实现。以下提供了两个示例：

OC 中的 LRU 算法实现

@interface LRUCache : NSObject

- (instancetype)initWithCapacity:(NSUInteger)capacity;
- (id)objectForKey:(id)key;
- (void)setObject:(id)obj forKey:(id)key;

@end

@implementation LRUCache {
    NSMutableDictionary *_cache;
    NSMutableArray *_keys;
    NSUInteger _capacity;
}

- (instancetype)initWithCapacity:(NSUInteger)capacity {
    self = [super init];
    if (self) {
        _cache = [NSMutableDictionary dictionaryWithCapacity:capacity];
        _keys = [NSMutableArray arrayWithCapacity:capacity];
        _capacity = capacity;
    }
    return self;
}

- (id)objectForKey:(id)key {
    id obj = _cache[key];
    if (obj) {
        [_keys removeObject:key];
        [_keys addObject:key];
    }
    return obj;
}

- (void)setObject:(id)obj forKey:(id)key {
    if (_cache[key]) {
        [_keys removeObject:key];
    } else if (_keys.count == _capacity) {
        id lastKey = _keys.firstObject;
        [_cache removeObjectForKey:lastKey];
        [_keys removeObjectAtIndex:0];
    }
    [_cache setObject:obj forKey:key];
    [_keys addObject:key];
}

@end

Python 中的 LRU 算法实现

class LRUCache:
    def __init__(self, capacity):
        self.capacity = capacity
        self.cache = {}
        self.keys = []

    def get(self, key):
        if key in self.cache:
            self.keys.remove(key)
            self.keys.append(key)
            return self.cache[key]
        return None

    def put(self, key, value):
        if key in self.cache:
            self.keys.remove(key)
        elif len(self.keys) == self.capacity:
            del self.cache[self.keys.pop(0)]
        self.cache[key] = value
        self.keys.append(key)