面试再也不怕，20行Python代码帮你搞懂LRU算法

LRU算法在后端工程师面试中，是一个比较常出现的题目，这篇文章带你们一块儿，理解LRU算法，并最终用Python轻松实现一个基于LRU算法的缓存。

缓存是什么

先看一张图，当咱们访问网页，浏览器会给服务器发请求，服务器会通过一系列的运算，把页面返回给浏览器。

当有多个浏览器同时访问的时候，就会在短期内发起多个请求，而服务器对每个请求都要进行一系列相同的操做。重复工做不只浪费资源，还可能致使响应速度变慢。

而缓存则能够把服务器返回的页面保存下来，当有其余的浏览器再访问时候，就没必要劳服务器大驾，直接由缓存返回页面。为了保证响应速度，缓存一般是基于比较昂贵的硬件，好比RAM，这就决定了咱们很难用大量的缓存把全部的页面都存下来，当刚好没有缓存浏览器请求的页面时，依然须要请求服务器。因为缓存容量有限，而数据量无限（互联网天天新产生的页面数没法估计），就须要把好刚用在刀刃上，缓存那些最有用的信息。

LRU是什么

LRU是一种缓存淘汰算法（在OS中也叫内存换页算法），因为缓存空间是有限的，因此要淘汰缓存中不经常使用的数据，留下经常使用的数据，达到缓存效率的最大化。LRU就是这样一种决定“淘汰谁留下谁”的算法，LRU是Least recently used的缩写，从字面意思“最近最少使用”，咱们就能够理解LRU的淘汰规则。

LRU的淘汰逻辑

咱们用一张图来描述LRU的淘汰逻辑，图中的缓存是一个列表结构，上面是头结点下面是尾节点，缓存容量为8（8个小格子）：

• 有新数据（意味着数据以前没有被缓存过）时，加入到列表头
• 缓存到达最大容量时，须要淘汰数据多出来的数据，此时淘汰列表尾部的数据
• 当缓存中有数据被命中，则将数据移动到列表头部（至关于新加入缓存）

按上面的逻辑咱们能够看到，一个数据若是常常被访问就会不断地被移动到列表头部，不会被淘汰出缓存，而越不常常访问的数据，越容易被挤出缓存。

20行Python代码实践LRU

接下来咱们用Python来实现一个采用LRU算法的缓存。

从前面的文章中咱们能够知道，缓存简化下来就两个功能，一个是往里装数据（缓存数据），一个是往外吐数据（命中缓存），因此咱们的缓存对外只须要put和get两个接口就能够了。

按照前面的示意图，缓存内部咱们只须要有一个列表（list）就能够实现LRU逻辑，不过用列表虽然能实现逻辑，可是在判断是否命中缓存时，速度可能很是慢（列表须要遍历才能知道数据有没有在里面）。在Python中，咱们能够用基于hash的结构，好比字典（dict）或集合（set），来快速判断数据是否存在，解决列表实现的性能问题。可是字典和集合又是没有顺序的，若是能有一种既能排序，又是基于hash存储的数据结构，就行了。

在Python的collections包中，已经内置了这种实用的结构OrderedDict，OrderedDict是dict的子类，可是存储在内部的元素是有序的（列表的特色）。

解决了数据结构的问题，咱们能够直接上手写逻辑了，代码以下：

class LRUCache:

    def __init__(self, capacity):
        self.capacity = capacity
        self.queue = collections.OrderedDict()
    
    def get(self, key):
        if key not in self.queue:
            return -1 // 要找的数据不在缓存中返回-1
        value = self.queue.pop(key) // 将命中缓存的数据移除
        self.queue[key] = value // 将命中缓存的数据从新添加到头部
        return self.queue[key]
        

    def put(self, key, value):
        if key in self.queue: // 若是已经在缓存中，则先移除老的数据
            self.queue.pop(key)
        elif len(self.queue.items()) == self.capacity:
            self.queue.popitem(last=False) // 若是不在缓存中而且到达最大容量，则把最后的数据淘汰
        self.queue[key] = value // 将新数据添加到头部
复制代码

下次面试在遇到LRU的题目，是否是就成竹在胸了？

扫码关注Python私房菜