Kubernetes学习笔记之LRU算法源码解析

Overview

本文章基于k8s release-1.17分支代码。

以前一篇文章学习 Kubernetes学习笔记之ServiceAccount TokensController源码解析 ，主要学习
ServiceAccount有关知识，发现其中使用了LRU Cache，代码在 L106 。
k8s本身封装了一个LRU cache的对象 MutationCache ，
正好趁此机会复习下 LRU 算法知识。

LRU算法通常也是面试必考算法题，算法内容也很简单很直观，主要是经过在固定容量空间内，不常被访问被认为旧数据能够先删除，最近被访问的数据能够认为后面被访问几率很大，做为最新的数据。好比，
漫画：什么是LRU算法？ 这幅漫画描述的那样，在容量有限状况下，能够删除那些最老的用户数据，留下最新的用户数据。
这样就感受数据按照倒叙排列似的，最前面的是最新的，最末尾的是最旧的数据。

数据存储能够经过双向链表存储，而不是单向链表，由于当知道链表的一个元素element时，能够经过element.prev和element.next指针就能知道当前元素的前驱元素和
后驱元素，删除和添加操做算法复杂度都是O(1)，而单向链表没法作到这一点。

另一个问题是如何知道O(1)的查询到一个元素element的值，这能够经过哈希表即 map[key]*element 结构知道，只要知道key，就马上O(1)知道element，
再结合双向链表的O(1)删除和O(1)添加操做。

经过组合双向链表和哈希表组成的一个lru数据结构，就能够实现删除旧数据、读取新数据和插入新数据算法复杂度都是O(1)，这就很厉害很高效的算法了。

设计编写LRU算法代码

首先是设计出一个双向链表list，能够直接使用golang自带的双向链表，代码在 /usr/local/go/src/container/list/list.go ，本文这里参考源码写一个并学习之。

首先设计双向链表的结构，Element对象是链表中的节点元素。这里最关键设计是list的占位元素root，是个值为空的元素，其root.next是链表的第一个元素head，
其root.prev是链表的最后一个元素tail，这个设计是直接O(1)知道链表的首位元素，这样链表list就构成了一个链表环ring：

// 算法设计：使用哈希表+双向链表实现
type Element struct {
    prev, next *Element

    Value interface{}
}

// root这个设计很巧妙，连着双向链表的head和tail，能够看Front()和Back()函数
// 获取双向链表的第一个和最后一个元素。root相似一个占位元素
type list struct {
    root Element
    len  int
}

// root是一个empty Element，做为补位元素使得list为一个ring
// list.root.next 是双向链表的第一个元素；list.root.prev 是双向链表的最后一个元素
func (l *list) Init() *list {
    l.root.prev = &l.root
    l.root.next = &l.root
    l.len = 0
    
    return l
}

func (l *list) Len() int {
    return l.len
}

而后就是双向链表的新加入一个元素并置于最前面、移动某个元素置于最前面、从链表中删除某个元素这三个重要方法。
新加入一个元素并置于最前面方法，比较简单：

// element置于newest位置，置于最前
func (l *list) PushFront(v interface{}) *Element {
    e := &Element{
        Value: v,
    }

    return l.insert(e, &l.root)
}

// e插入at的位置，at/e/at.next指针须要从新赋值
func (l *list) insert(e, at *Element) *Element {
    // 插入当前位置
    e.prev = at
    e.next = at.next
    e.prev.next = e
    e.next.prev = e

    l.len++

    return e
}

移动某个元素置于最前面方法：

// 把e置双向链表最前面
func (l *list) MoveToFront(e *Element) {
    if e == l.root.next {
        return
    }

    l.move(e, &l.root)
}

func (l *list) move(e, at *Element) {
    if e == at {
        return
    }

    // 从原来位置删除
    e.prev.next = e.next
    e.next.prev = e.prev

    // 插入当前位置
    e.prev = at
    e.next = at.next
    e.prev.next = e
    e.next.prev = e
}

从链表中删除某个元素方法：

func (l *list) Remove(e *Element) {
    e.prev.next = e.next
    e.next.prev = e.prev
    e.prev = nil
    e.next = nil

    l.len--
}

以上逻辑都比较简单，最后加上返回链表的head和tail元素等等方法：

// 返回list的最后一个元素
func (l *list) Back() *Element {
    if l.len == 0 {
        return nil
    }

    // 这里list是一个ring
    return l.root.prev
}

// 返回list的最前一个元素
func (l *list) Front() *Element {
    if l.len == 0 {
        return nil
    }

    // 这里list是一个ring
    return l.root.next
}

func (l *list) Prev(e *Element) *Element {
    p := e.prev
    if p != &l.root {
        return p
    }

    return nil
}

可见设计出这样的一个双向链表仍是比较简单的，接下来就是LRU对象了。LRU对象包含双向链表，同时包含哈希表 map[interface{}]*Element 来O(1)查询某个
key的Element数据，完整LRU代码以下：

type LRU struct {
    // 指定LRU固定长度，超过的旧数据则移除
    capacity int

    // 双向链表，链表存储每个*list.Element
    cache *list

    // 哈希表，每个key是Entry的key
    items map[interface{}]*Element
}

type Entry struct {
    key   interface{}
    value interface{}
}

func NewLRU(capacity int) (*LRU, error) {
    if capacity <= 0 {
        return nil, fmt.Errorf("capacity must be positive")
    }

    cache := &LRU{
        capacity: capacity,
        cache:    new(list).Init(),
        items:    make(map[interface{}]*Element),
    }

    return cache, nil
}

func (c *LRU) Purge() {
    c.cache.Init()
    c.items = make(map[interface{}]*Element)
    c.capacity = 0
}

// 添加一个Entry，O(1)
func (c *LRU) Add(key, value interface{}) (evicted bool) {
    // (key,value)已经存在LRU中
    if element, ok := c.items[key]; ok {
        c.cache.MoveToFront(element)         // 从双向链表中置前，从原有位置删除，而后置最前
        element.Value.(*Entry).value = value // 更新值

        return false
    }

    entry := &Entry{key: key, value: value}
    ent := c.cache.PushFront(entry) // 新元素置最前
    c.items[key] = ent

    evict := c.cache.Len() > c.capacity
    if evict {
        // 若是超过指定长度，移除旧数据
        c.removeOldest()
    }

    return evict
}

func (c *LRU) Get(key interface{}) (value interface{}, ok bool) {
    if element, ok := c.items[key]; ok {
        // 置前，复杂度O(1)
        c.cache.MoveToFront(element)
        return element.Value.(*Entry).value, true
    }

    return nil, false
}

// 删除最旧的数据O(1)
func (c *LRU) removeOldest() {
    element := c.cache.Back()
    if element != nil {
        c.removeElement(element)
    }
}

// 算法复杂度O(1)
func (c *LRU) removeElement(element *Element) {
    // 直接使用双向链表的Remove()，复杂度O(1)
    c.cache.Remove(element)
    key := element.Value.(*Entry).key
    // 别忘了从哈希表中删除Entry.key
    delete(c.items, key)
}

// 双向链表的长度
func (c *LRU) Len() int {
    return c.cache.Len()
}

// Keys returns a slice of the keys in the cache, from oldest to newest.
func (c *LRU) Keys() []interface{} {
    keys := make([]interface{}, len(c.items))
    i := 0
    // 这里从最末端，即最旧的数据开始查询
    for ent := c.cache.Back(); ent != nil; ent = c.cache.Prev(ent) {
        keys[i] = ent.Value.(*Entry).key
        i++
    }

    return keys
}

func (c *LRU) Remove(key interface{}) bool {
    e, ok := c.items[key]
    if !ok {
        return false
    }

    // 从双向链表中删除element，复杂度O(1)，同时从哈希表items中删除
    c.cache.Remove(e)
    delete(c.items, key)

    return true
}

设计好了LRU对象，而后代码测试验证下结果正确性：

// 执行结果没问题
func TestSimpleLRU(test *testing.T) {
    l, _ := NewLRU(128)
    for i := 0; i < 256; i++ {
        l.Add(i, i)
    }
    if l.Len() != 128 {
        panic(fmt.Sprintf("bad len: %v", l.Len()))
    }

    // 这里v==i+128才正确，0-127已经被删除了
    for i, k := range l.Keys() {
        if v, ok := l.Get(k); !ok || v != k || v != i+128 {
            test.Fatalf("bad key: %v", k)
        }
    }

    for i := 0; i < 128; i++ {
        _, ok := l.Get(i)
        if ok {
            test.Fatalf("should be evicted")
        }
    }
    for i := 128; i < 256; i++ {
        _, ok := l.Get(i)
        if !ok {
            test.Fatalf("should not be evicted")
        }
    }

    for i := 128; i < 192; i++ {
        ok := l.Remove(i)
        if !ok {
            test.Fatalf("should be contained")
        }
        ok = l.Remove(i)
        if ok {
            test.Fatalf("should not be contained")
        }
        _, ok = l.Get(i)
        if ok {
            test.Fatalf("should be deleted")
        }
    }
    l.Get(192) // expect 192 to be last key in l.Keys()

    for i, k := range l.Keys() {
        if (i < 63 && k != i+193) || (i == 63 && k != 192) {
            test.Fatalf("out of order key: %v", k)
        }
    }

    l.Purge()
    if l.Len() != 0 {
        test.Fatalf("bad len: %v", l.Len())
    }
    if _, ok := l.Get(200); ok {
        test.Fatalf("should contain nothing")
    }
}

漫画：什么是LRU算法？ 这篇文章中小灰遇到了一个难题，用户系统要爆炸了，不知道怎么去删除那些
缓存的用户数据来减小内存使用，确定不是随机删除。可是经过双向链表加上哈希表简单组合，构成了一个强大靠谱的LRU结构，删除最旧的数据，保留最新的数据
(这里假设最近被访问的数据是新数据，未被访问的数据则排队置后)，就完美解决了难题，可见LRU算法的巧妙强大。k8s源码中一样使用了LRU结构，
不会LRU算法看k8s源码都费劲。可见算法和数据结构的重要性，刷leetcode是个须要一直坚持下去的活。

参考文献

漫画：什么是LRU算法？

mutation_cache.go使用LRU Cache

golang自带双向链表：/usr/local/go/src/container/list/list.go

golang-lru

leetcode #146

leetcode #460

leetcode #1625