一文带你了解什么是 LRU 算法？-lru算法缺点

缓存是我们写代码过程中常用的一种手段，是一种空间换时间的做法。就拿我们经常使用的 HTTP 协议，其中也存在强缓存和协商缓存两种缓存方式。当我们打开一个网站的时候，浏览器会查询该请求的响应头，通过判断响应头中是否有 Cache-Control、Last-Modified、ETag 等字段，来确定是否直接使用之前下载的资源缓存，而不是重新从服务器进行下载。

下面就是当我们访问百度时，某些资源命中了协商缓存，服务端返回 304 状态码，还有一部分资源命中了强缓存，直接读取了本地缓存。

但是，缓存并不是无限制的，会有大小的限制。无论是我们的 cookie(不同浏览器有所区别，一般在 4KB 左右)，还是 localStorage(和 cookie 一样，不同浏览器有所区别，有些浏览器为 5MB，有些浏览器为 10MB)，都会有大小限制。

这个时候就需要涉及到一种算法，需要将超出大小限制的缓存进行淘汰，一般的规则是淘汰掉最近没有被访问到的缓存，也就是今天要介绍的主角：LRU (Least recently used：最近最少使用)。当然除了 LRU，常见的缓存淘汰还有 FIFO(first-in, first-out：先进先出) 和 LFU(Least frequently used：最少使用)。

什么是 LRU?

LRU (Least recently used：最近最少使用)算法在缓存写满的时候，会根据所有数据的访问记录，淘汰掉未来被访问几率最低的数据。也就是说该算法认为，最近被访问过的数据，在将来被访问的几率最大。

为了方便理解 LRU 算法的全流程，画了一个简单的图：

假设我们有一块内存，一共能够存储 5 数据块。
依次向内存存入A、B、C、D、E，此时内存已经存满。
再次插入新的数据时，会将在内存存放时间最久的数据A淘汰掉。
当我们在外部再次读取数据B时，已经处于末尾的B会被标记为活跃状态，提到头部，数据C就变成了存放时间最久的数据。
再次插入新的数据G，存放时间最久的数据C就会被淘汰掉。

算法实现

下面通过一段简单的代码来实现这个逻辑。

class LRUCache {
 list = [] // 用于标记先后顺序
 cache = {} // 用于缓存所有数据
 capacity = 0 // 缓存的最大容量
 constructor (capacity) {
    // 存储 LRU 可缓存的最大容量
  this.capacity = capacity
 }
}1.
2.
3.
4.
5.
6.
7.
8.
9.

基本的结构如上所示，LRU需要实现的就是两个方法：get 和 put。

class LRUCache {
  // 获取数据
 get (key) { }
  // 存储数据
 put (key, value) { }
}1.
2.
3.
4.
5.
6.

我们现在看看如何进行数据的存储：

class LRUCache {
  // 存储数据
 put (key, value) {
    // 存储之前需要先判断长度是否达到上限
    if (this.list.length >= this.capacity) {
      // 由于每次存储后，都会将 key 放入 list 最后，
      // 所以，需要取出第一个 key，并删除cache中的数据。
   const latest = this.list.shift()
   delete this.cache[latest]
  }
    // 写入缓存
  this.cache[key] = value
    // 写入缓存后，需要将 key 放入 list 的最后
  this.list.push(key)
  }
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.

然后，在每次获取数据时，都需要更新 list，将当前获取的 key 放到 list 的最后。

class LRUCache {
  // 获取数据
 get (key) {
  if (this.cache[key] !== undefined) {
     // 如果 key 对应的缓存存在
      // 在返回缓存之前，需要重新激活 key
   this.active(key)
   return this.cache[key]
  }
  return undefined
  }
  // 重新激活key，将指定 key 移动到 list 最后
 active (key) {
    // 先将 key 在 list 中删除
  const idx = this.list.indexOf(key)
  if (idx !== -1) {
   this.list.splice(idx, 1)
    }
    // 然后将 key 放到 list 最后面
  this.list.push(key)
 }
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

这个时候，其实还没有完全实现，因为除了 get 操作，put 操作也需要将对应的 key 重新激活。

class LRUCache {
  // 存储数据
 put (key, value) {
  if (this.cache[key]) {
   // 如果该 key 之前存在，将 key 重新激活
   this.active(key)
   this.cache[key] = value
      // 而且此时缓存的长度不会发生变化
      // 所以不需要进行后续的长度判断，可以直接返回
   return
  }

    // 存储之前需要先判断长度是否达到上限
    if (this.list.length >= this.capacity) {
      // 由于每次存储后，都会将 key 放入 list 最后，
      // 所以，需要取出第一个 key，并删除cache中的数据。
   const latest = this.list.shift()
   delete this.cache[latest]
  }
    // 写入缓存
  this.cache[key] = value
    // 写入缓存后，需要将 key 放入 list 的最后
  this.list.push(key)
  }
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.

可能会有人觉得这种算法在前端没有什么应用场景，说起来，在 Vue 的内置组件 keep-alive 中就使用到了 LRU 算法。

后续应该还会继续介绍一下 LFU 算法，敬请期待。