这篇文章主要介绍了Go语言如何实现LRU算法的核心思想和实现过程，具有一定借鉴价值，需要的朋友可以参考下。下面就和我一起来看看吧。
GO实现Redis的LRU例子
常见的三种缓存淘汰算法有三种:FIFO,LRU和LFU
实现LRU缓存淘汰算法
1.FIFO/LFU/LRU算法简介
缓存全部存在内存中，内存是有限的，因此不可能无限制的添加数据，假定我们能够最大使用的内存为Max,那么在一个时间点之后，添加了某一条缓存记录之后，占用内存超过了N,这个时候就需要从缓存中移除一些数据，那么该移除或者淘汰谁呢？我们肯定希望去移除没用的数据，将热点数据留在缓存中,下面几种就是对应的几种策略！
FIFO （First in First Out）
先进先出，内存满了时淘汰最老存在最久的key缓存，这种算法认为越早被添加的数据使用可能性会比新加入进来的小，但是这种也有弊端，在某些场景下比如查历史支付记录的账单，就需要查询之前的缓存记录，这类记录就不得不因为每天新的支付从而淘汰掉以前的支付记录（当然这类记录存库是最好方式）
【实现方式】维护一个队列先进先出就行了,新来的数据加到队尾
LFU (Least Frequently Used)
最少使用，也就是淘汰缓存中访问频率最低的记录。这个算法认为过去访问次数最高的使用概率也最大，但是这样就额外维护了一个访问次数，对内存其实占用也挺多的，再者访问次数最多的数据，突然不使用了，那么要淘汰它之前，需要内存其他区域的数据访问次数全部超过它才有可能，所以淘汰的缺点也非常明显。
【实现方式】LFU 的实现需要维护一个按照访问次数排序的队列，每次访问，访问次数加1，队列重新排序，淘汰时选择访问次数最少的即可
LRU （Least Recently Used）
最近最少使用,相对于只考虑使用时间和使用次数来看，LRU会相对比较平均去淘汰数据，如果数据最近被使用过，那么将来被访问的概率将提高
【实现方式】维护一个队列，如果某条记录被访问了，则移动到队尾，那么队首则是最近最少访问的数据，淘汰该条记录即可。
2.LRU算法实现
2.1核心数据结构
这张图很好地表示了 LRU 算法最核心的 2 个数据结构
绿色的是字典(map)，存储键和值的映射关系。这样根据某个键(key)查找对应的值(value)的复杂是
O(1)
，在字典中插入一条记录的复杂度也是O(1)
。红色的是双向链表(double linked list)实现的队列。将所有的值放到双向链表中，这样，当访问到某个值时，将其移动到队尾的复杂度是
O(1)
，在队尾新增一条记录以及删除一条记录的复杂度均为O(1)
。
接下来我们创建一个包含字典和双向链表的结构体类型 Cache，方便实现后续的增删查改操作。
package lru
import (
"container/list"
"log"
)
// Cache is a LRU cache. It is not safe for concurrent access.
type Cache struct {
maxBytes int64 // 允许使用的最大内存
nbytes int64 // 当前已使用的内存
ll *list.List
cache map[string]*list.Element
// optional and executed when an entry is purged.
OnEvicted func(key string, value Value) // 某条记录被移除时的回调函数
}
type entry struct {
key string
value Value
}
// Value use Len to count how many bytes it takes
type Value interface {
Len() int
}在这里我们直接使用 Go 语言标准库实现的双向链表
list.List
。字典的定义是
map[string]*list.Element
，键是字符串，值是双向链表中对应节点的指针。maxBytes
是允许使用的最大内存，nbytes
是当前已使用的内存，OnEvicted
是某条记录被移除时的回调函数，可以为 nil。键值对
entry
是双向链表节点的数据类型，在链表中仍保存每个值对应的 key 的好处在于，淘汰队首节点时，需要用 key 从字典中删除对应的映射。为了通用性，我们允许值是实现了
Value
接口的任意类型，该接口只包含了一个方法Len() int
，用于返回值所占用的内存大小。
方便实例化
Cache，实现
New()函数：
// New is the Constructor of Cache
func New(maxBytes int64, onEvicted func(string, Value)) *Cache {
return &Cache{
maxBytes: maxBytes,
ll: list.New(),
cache: make(map[string]*list.Element),
OnEvicted: onEvicted,
}
}2.2查找功能
查找主要有 2 个步骤，第一步是从字典中找到对应的双向链表的节点，第二步，将该节点移动到队尾。
func (c *Cache)Get(key string)(val Value,ok bool){
// 如果找到了节点，就将缓存移动到队尾
if ele,ok:=c.cache[key];ok{
c.ll.MoveToBack(ele)
kv:=ele.Value.(*entry)
return kv.value,true
}
return
}如果键对应的链表节点存在，则将对应节点移动到队尾，并返回查找到的值。
c.ll.MoveToBack(ele)
，即将链表中的节点ele
移动到队尾
2.3删除
这里的删除，实际上是缓存淘汰。即移除最近最少访问的节点（队首）
// 移除最近最近，最少访问的的节点
func (c *Cache)RemoveOldest(){
ele:=c.ll.Front() // 取到队首节点，从链表中删除
if ele!=nil{
c.ll.Remove(ele)
kv:=ele.Value.(*entry)
delete(c.cache,kv.key)
c.nbytes-=int64(len(kv.key))+int64(kv.value.Len())
if c.OnEvicted != nil {
c.OnEvicted(kv.key, kv.value)
}
}
}c.ll.Front()
取到队首节点，从链表中删除。delete(c.cache, kv.key)
，从字典中c.cache
删除该节点的映射关系。更新当前所用的内存
c.nbytes
。如果回调函数
OnEvicted
不为 nil，则调用回调函数
2.4新增或修改
// 新增或修改
func (c *Cache)Add(key string ,value Value){
if int64(value.Len())>c.maxBytes{
log.Printf("超过最大容量%d,插入缓存容量为%d",c.maxBytes,int64(value.Len()))
return
}
if ele,ok:=c.cache[key];ok{
c.ll.MoveToBack(ele)
kv:=ele.Value.(*entry)
c.nbytes += int64(value.Len()) - int64(kv.value.Len())
}else{
ele:=c.ll.PushFront(&entry{key: key,value: value})
c.cache[key]=ele
c.nbytes=int64(len(key))+int64(value.Len())
}
// 如果当前使用的内存>允许使用的最大内存 使用淘汰策略
for c.maxBytes !=0 && c.maxBytes < c.nbytes{
c.RemoveOldest()
}
}如果键存在，则更新对应节点的值，并将该节点移到队尾。
不存在则是新增场景，首先队尾添加新节点
&entry{key, value}, 并字典中添加 key 和节点的映射关系。更新
c.nbytes
，如果超过了设定的最大值c.maxBytes
，则移除最少访问的节点。