您当前的位置:首页 > 电脑百科 > 程序开发 > 编程百科

一文读懂常见的缓存策略

时间:2023-11-21 13:47:05  来源:微信公众号  作者:沐雨花飞蝶

缓存策略介绍

缓存是一种用于临时存储数据的技术,旨在提高数据访问速度和性能。通过将常用的数据存储在缓存中,可以减少对原始数据存储位置的访问次数,从而加快数据的读取速度。缓存通常用于加速计算机系统、网络和Web应用程序的性能。

常见的缓存策略包括:

  1. 「FIFO(First In, First Out)」:先进先出,最先进入缓存的数据最先被淘汰。
  2. 「LRU(Least Recently Used)」:最近最少使用,根据数据最近被访问的时间来淘汰缓存中的数据。
  3. 「LFU(Least Frequently Used)」:最不经常使用,根据数据被访问的频率来淘汰缓存中的数据。
  4. 「随机替换」:随机选择要淘汰的数据。

FIFO缓存策略

FIFO(First In, First Out)是一种缓存替换策略,它按照数据进入缓存的顺序来进行替换。当缓存已满并且需要替换新的数据时,FIFO策略会选择最早进入缓存的数据进行替换。

在FIFO策略中,新数据被加入到缓存的末尾,而替换时会选择缓存中最早进入的数据进行替换。这种策略简单直观,但可能会导致缓存中的热数据被频繁替换,影响缓存的命中率。

数学公式表示FIFO缓存替换策略如下:

假设缓存大小为N,缓存中已有n个数据,新数据为x,则替换时选择的数据为缓存中最早进入的数据,即第一个进入缓存的数据。

FIFO缓存策略实现(JAVA)

FIFO缓存适用于以下使用场景:

  • 数据访问模式呈现出明显的时间局部性
  • 缓存数据量较小,且缓存空间有限
  • 对于缓存命中率要求不是特别高的场景

在Java中,可以使用LinkedHashMap来实现FIFO缓存策略。LinkedHashMap继承自HashMap,它保留了插入顺序,因此非常适合用来实现FIFO缓存。

import java.util.LinkedHashMap;
import java.util.Map;

public class FIFOCache<K, V> extends LinkedHashMap<K, V> {
    private int capacity;

    public FIFOCache(int capacity) {
        super(capacity, 0.75f, true);
        this.capacity = capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > capacity;
    }

    public static void mAIn(String[] args) {
        FIFOCache<String, Integer> cache = new FIFOCache<>(3);
        cache.put("A", 1);
        cache.put("B", 2);
        cache.put("C", 3);
        System.out.println(cache); // 输出:{A=1, B=2, C=3}
        cache.put("D", 4);
        System.out.println(cache); // 输出:{B=2, C=3, D=4}
    }
}

在上面的示例中,我们创建了一个FIFOCache类,继承自LinkedHashMap,并重写了removeEldestEntry方法来控制缓存的大小和淘汰策略。

LRU缓存策略

LRU(Least Recently Used)缓存策略是一种常见的缓存淘汰策略,它根据数据的访问时间来淘汰最近最少使用的数据。当缓存空间不足时,会淘汰最近最少被访问的数据,以便为新数据腾出空间。

LRU缓存策略通常通过双向链表和哈希表来实现。双向链表用于记录数据的访问顺序,哈希表用于快速查找数据在链表中的位置。当数据被访问时,如果数据已经在缓存中,则将其移动到链表头部;如果数据不在缓存中,则将其添加到链表头部,并在哈希表中记录其位置。当需要淘汰数据时,可以直接从链表尾部淘汰最近最少被访问的数据。

LRU缓存策略的优点是能够有效地利用缓存空间,将最常用的数据保留在缓存中,提高访问速度。但是实现起来相对复杂,需要维护链表和哈希表的一致性,并且在高并发场景下可能存在性能瓶颈。

数学公式表示LRU缓存策略的淘汰规则可以用如下的方式表示:

设  为缓存的大小, 表示第  个数据被访问的时间,则淘汰规则可以表示为:

淘汰规则:

LRU缓存策略实现(Java)

LRU缓存适用于需要频繁访问数据的场景,例如:

  • 数据库查询结果的缓存
  • 网络请求的结果缓存
  • 页面内容的缓存

以下是一个简单的Java使用LinkedHashMap来实现LRU缓存:

import java.util.LinkedHashMap;
import java.util.Map;

public class LRUCache<K, V> extends LinkedHashMap<K, V> {
    private final int MAX_ENTRIES;

    public LRUCache(int maxEntries) {
        super(maxEntries, 0.75f, true);
        MAX_ENTRIES = maxEntries;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > MAX_ENTRIES;
    }

    public static void main(String[] args) {
        LRUCache<Integer, String> cache = new LRUCache<>(3);
        cache.put(1, "One");
        cache.put(2, "Two");
        cache.put(3, "Three");
        System.out.println(cache); // 输出: {1=One, 2=Two, 3=Three}
        cache.put(4, "Four");
        System.out.println(cache); // 输出: {2=Two, 3=Three, 4=Four}
    }
}

在这个示例中,LRUCache继承自LinkedHashMap,并重写了removeEldestEntry方法来控制缓存的大小。当缓存超过指定大小时,最近最少使用的条目将被移除。

LFU缓存策略

LFU(Least Frequently Used)缓存策略是一种常见的缓存替换策略,它根据缓存中数据项被访问的频率来进行替换。具体来说,当缓存空间不足时,LFU算法会淘汰访问频率最低的数据项。

LFU缓存策略的实现通常需要维护一个访问频率的计数器,以及一个数据项和其对应访问频率的映射。当数据项被访问时,其对应的访问频率会增加,当需要替换数据项时,会选择访问频率最低的数据项进行淘汰。

在LFU缓存策略中,如果有多个数据项的访问频率相同,那么通常会选择最早被访问的数据项进行淘汰。

LFU缓存策略的优点是能够有效地淘汰访问频率低的数据项,但缺点是需要维护额外的访问频率计数器,增加了实现的复杂度。

在实际应用中,LFU缓存策略通常用于需要频繁访问的数据项,以便保持缓存中的数据项是最常被访问的。

LFU缓存策略实现(Java)

LFU缓存策略适用于需要根据数据访问频率来淘汰缓存的场景。在这种策略下,会优先淘汰访问频率最低的数据,以便为访问频率高的数据腾出空间,从而提高缓存命中率。

LFU缓存策略常用于以下场景:

  • 需要根据数据访问频率来淘汰缓存的系统,如热点数据缓存、页面缓存等。
  • 对于访问频率较低的数据,采用LFU策略可以有效释放缓存空间,提高系统整体性能。

在Java中,可以通过使用LinkedHashMap来实现LFU缓存策略。LinkedHashMap可以按照访问顺序或插入顺序来维护键值对,通过重写removeEldestEntry方法和自定义数据结构来实现LFU缓存策略。

以下是一个简单的Java实现LFU缓存策略的示例代码:

import java.util.*;

public class LFUCache<K, V> extends LinkedHashMap<K, V> {
    private Map<K, Integer> freqMap;

    public LFUCache(int capacity) {
        super(capacity, 0.75f, true);
        freqMap = new HashMap<>();
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > capacity();
    }

    public V get(K key) {
        if (super.containsKey(key)) {
            freqMap.put(key, freqMap.get(key) + 1);
        }
        return super.get(key);
    }

    public void put(K key, V value) {
        if (!super.containsKey(key)) {
            freqMap.put(key, 1);
        }
        super.put(key, value);
    }

    public static void main(String[] args) {
        LFUCache<Integer, String> cache = new LFUCache<>(2);
        cache.put(1, "a");
        cache.put(2, "b");
        System.out.println(cache.get(1)); // 输出: a
        cache.put(3, "c");
        System.out.println(cache.get(2)); // 输出: null
    }
}

在上述示例中,通过继承LinkedHashMap并重写removeEldestEntry方法,以及使用freqMap来记录访问频率,实现了LFU缓存策略的简单Java实现。

随机替换缓存策略

随机替换缓存策略是指在需要替换缓存中的数据时,随机选择一个数据进行替换。这种策略不考虑数据的访问频率或者其他因素,只是简单地随机选择一个数据进行替换。

数学表示为:选择要替换的数据的概率是相等的,即每个数据被替换的概率都是1/n,其中n为缓存中数据的数量。

这种策略的优点是实现简单,但缺点是不能充分利用数据的访问模式,可能导致缓存命中率降低。

随机替换缓存策略实现(Java)

随机替换缓存策略是一种简单的缓存替换策略,它随机选择一个缓存条目进行替换,适用于对缓存命中率要求不高的场景。

  • 测试环境:在测试环境中,可以使用随机替换缓存策略来模拟真实环境下的缓存替换情况,从而更好地评估系统的性能。
  • 临时数据缓存:对于一些临时性数据的缓存,如广告内容、临时计算结果等,可以采用随机替换策略,因为对于这些数据的访问顺序并不具有规律性。
 
import java.util.HashMap;
import java.util.Map;
import java.util.Random;

public class RandomReplacementCache<K, V> {
    private Map<K, V> cache;
    private Random random;

    public RandomReplacementCache() {
        this.cache = new HashMap<>();
        this.random = new Random();
    }

    public void put(K key, V value) {
        // 添加缓存条目
        cache.put(key, value);
    }

    public V get(K key) {
        // 获取缓存条目
        return cache.get(key);
    }

    public void evictRandom() {
        // 随机替换缓存条目
        if (!cache.isEmpty()) {
            int randomIndex = random.nextInt(cache.size());
            K keyToRemove = (K) cache.keySet().toArray()[randomIndex];
            cache.remove(keyToRemove);
        }
    }
}

在上面的示例中,我们使用了HashMap来实现缓存,通过Random类来实现随机替换缓存条目的功能。



Tags:缓存   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,不构成投资建议。投资者据此操作,风险自担。如有任何标注错误或版权侵犯请与我们联系,我们将及时更正、删除。
▌相关推荐
高并发架构设计(三大利器:缓存、限流和降级)
软件系统有三个追求:高性能、高并发、高可用,俗称三高。本篇讨论高并发,从高并发是什么到高并发应对的策略、缓存、限流、降级等。引言1.高并发背景互联网行业迅速发展,用户量剧...【详细内容】
2024-03-13  Search: 缓存  点击:(5)  评论:(0)  加入收藏
让数据库和缓存数据保持一致的三种策略
如何保证缓存和数据库的一致性,这算得上是个老生常谈的话题啦,看到好多技术新人在写更新缓存数据代码,采用了非常复杂甚至“诡异”的方案,甚为不解。一、背景目前随着缓存架构方...【详细内容】
2024-02-20  Search: 缓存  点击:(35)  评论:(0)  加入收藏
Java中的缓存技术及其使用场景
Java中的缓存技术是一种优化手段,用于提高应用程序的性能和响应速度。缓存技术通过将计算结果或者经常访问的数据存储在快速访问的存储介质中,以便下次需要时可以更快地获取。...【详细内容】
2024-01-30  Search: 缓存  点击:(72)  评论:(0)  加入收藏
SpringBoot如何实现缓存预热?
缓存预热是指在 Spring Boot 项目启动时,预先将数据加载到缓存系统(如 Redis)中的一种机制。那么问题来了,在 Spring Boot 项目启动之后,在什么时候?在哪里可以将数据加载到缓存系...【详细内容】
2024-01-19  Search: 缓存  点击:(86)  评论:(0)  加入收藏
苹果Safari浏览器如何快速清理缓存?只需简单两步,轻松解决!
Safari是一款由苹果公司开发的多功能浏览器,以其快速、稳定和安全而受到用户的青睐。在我们使用Safari时,它会产生大量的缓存文件。这些缓存文件会占用存储空间,影响设备的运行...【详细内容】
2024-01-17  Search: 缓存  点击:(73)  评论:(0)  加入收藏
并发环境下,先操作数据库还是先操作缓存?
大家好,我是田螺。在分布式系统中,缓存和数据库同时存在时,如果有写操作的时候,先操作数据库还是先操作缓存呢?先思考一下,可能会存在哪些问题,再往下看。下面我分几种方案阐述。...【详细内容】
2023-12-27  Search: 缓存  点击:(103)  评论:(0)  加入收藏
JavaScript的作用域、闭包、高阶函数、柯里化、函数缓存和纯函数
作用域就是当前执行环境的上下文,它限制了变量、函数的有效范围。在当前作用域下声明的变量、函数只能在当前作用域内以及它嵌套的子作用域内有效。这样避免变量和函数的命名...【详细内容】
2023-12-15  Search: 缓存  点击:(136)  评论:(0)  加入收藏
Redis 除了用作缓存还能干吗?
今天我们来聊聊 Redis 的使用案例。Redis 是一种内存键值数据库。它支持多种数据结构,如 String, Hash, List, Set 和 SortedSet。图片01 缓存Redis 的最常用的用例是缓存,以...【详细内容】
2023-12-11  Search: 缓存  点击:(119)  评论:(0)  加入收藏
互联网大厂是如何设计和使用缓存的?方案已开源!
最近,有小伙伴私信我:冰哥,我最近出去面试,面试官问我如何设计缓存能让系统在百万级别流量下仍能平稳运行,我当时没回答上来。接着,面试官问我之前的项目是怎么使用缓存的,我说只是...【详细内容】
2023-12-11  Search: 缓存  点击:(136)  评论:(0)  加入收藏
DNS缓存的作用是什么?四个方面的内容可以了解下
DNS缓存作为网络世界中的一项重要技术,其作用不可小觑。下面将从四个方面为大家详细介绍DNS缓存的作用,如果感兴趣的话,可以一起来看下吧。DNS缓存的作用是什么1、提升网络访问...【详细内容】
2023-12-08  Search: 缓存  点击:(193)  评论:(0)  加入收藏
▌简易百科推荐
即将过时的 5 种软件开发技能!
作者 | Eran Yahav编译 | 言征出品 | 51CTO技术栈(微信号:blog51cto) 时至今日,AI编码工具已经进化到足够强大了吗?这未必好回答,但从2023 年 Stack Overflow 上的调查数据来看,44%...【详细内容】
2024-04-03    51CTO  Tags:软件开发   点击:(5)  评论:(0)  加入收藏
跳转链接代码怎么写?
在网页开发中,跳转链接是一项常见的功能。然而,对于非技术人员来说,编写跳转链接代码可能会显得有些困难。不用担心!我们可以借助外链平台来简化操作,即使没有编程经验,也能轻松实...【详细内容】
2024-03-27  蓝色天纪    Tags:跳转链接   点击:(12)  评论:(0)  加入收藏
中台亡了,问题到底出在哪里?
曾几何时,中台一度被当做“变革灵药”,嫁接在“前台作战单元”和“后台资源部门”之间,实现企业各业务线的“打通”和全域业务能力集成,提高开发和服务效率。但在中台如火如荼之...【详细内容】
2024-03-27  dbaplus社群    Tags:中台   点击:(8)  评论:(0)  加入收藏
员工写了个比删库更可怕的Bug!
想必大家都听说过删库跑路吧,我之前一直把它当一个段子来看。可万万没想到,就在昨天,我们公司的某位员工,竟然写了一个比删库更可怕的 Bug!给大家分享一下(不是公开处刑),希望朋友们...【详细内容】
2024-03-26  dbaplus社群    Tags:Bug   点击:(5)  评论:(0)  加入收藏
我们一起聊聊什么是正向代理和反向代理
从字面意思上看,代理就是代替处理的意思,一个对象有能力代替另一个对象处理某一件事。代理,这个词在我们的日常生活中也不陌生,比如在购物、旅游等场景中,我们经常会委托别人代替...【详细内容】
2024-03-26  萤火架构  微信公众号  Tags:正向代理   点击:(10)  评论:(0)  加入收藏
看一遍就理解:IO模型详解
前言大家好,我是程序员田螺。今天我们一起来学习IO模型。在本文开始前呢,先问问大家几个问题哈~什么是IO呢?什么是阻塞非阻塞IO?什么是同步异步IO?什么是IO多路复用?select/epoll...【详细内容】
2024-03-26  捡田螺的小男孩  微信公众号  Tags:IO模型   点击:(8)  评论:(0)  加入收藏
为什么都说 HashMap 是线程不安全的?
做Java开发的人,应该都用过 HashMap 这种集合。今天就和大家来聊聊,为什么 HashMap 是线程不安全的。1.HashMap 数据结构简单来说,HashMap 基于哈希表实现。它使用键的哈希码来...【详细内容】
2024-03-22  Java技术指北  微信公众号  Tags:HashMap   点击:(11)  评论:(0)  加入收藏
如何从头开始编写LoRA代码,这有一份教程
选自 lightning.ai作者:Sebastian Raschka机器之心编译编辑:陈萍作者表示:在各种有效的 LLM 微调方法中,LoRA 仍然是他的首选。LoRA(Low-Rank Adaptation)作为一种用于微调 LLM(大...【详细内容】
2024-03-21  机器之心Pro    Tags:LoRA   点击:(12)  评论:(0)  加入收藏
这样搭建日志中心,传统的ELK就扔了吧!
最近客户有个新需求,就是想查看网站的访问情况。由于网站没有做google的统计和百度的统计,所以访问情况,只能通过日志查看,通过脚本的形式给客户导出也不太实际,给客户写个简单的...【详细内容】
2024-03-20  dbaplus社群    Tags:日志   点击:(4)  评论:(0)  加入收藏
Kubernetes 究竟有没有 LTS?
从一个有趣的问题引出很多人都在关注的 Kubernetes LTS 的问题。有趣的问题2019 年,一个名为 apiserver LoopbackClient Server cert expired after 1 year[1] 的 issue 中提...【详细内容】
2024-03-15  云原生散修  微信公众号  Tags:Kubernetes   点击:(5)  评论:(0)  加入收藏
站内最新
站内热门
站内头条