缓存数据的淘汰之路（中）
背景
数据又回来了，想起昨天被过期键经理上了一课，虽然心里很是难过，但是毕竟知道人外有人，原来为了控制我们数据，制定了这么野性的过期键策略，听说后面的关更难了，但是还是要闯关一下了，不是还有那句话嘛，
缓存淘汰策略
一路经过了过期键经理的送别，游荡在半路上，遇见了一个老头，说你是来自过期键经理的数据吧，数据连忙惊讶，哇靠，这老头连我从哪里来的都知道，莫不是；
是的，我就是那个老头，说完就哈哈大笑起来。
什么时候会遇见这个老头呢？
缓存淘汰策略触发的条件：
当前缓存空间临界最大memeory
当前需要业务改变，需要调整缓存策略
对于选中键值对，所有键值对做过滤时候
最直接的就是：比如就是当内存maxmemory不够用了，就会启用内存淘汰策略了；
老头手里有秘笈
专门治理缓存中的无量数据，
其中分为
维度
①
②
四个方面
LRU
LFU
RANDOM
TTL
其中两个缩写：
LRU: least recently used最近最少使用(Least Recently Used);最近最少使用算法LFU；
least frequently Used置换算法(Least Frequently Used)最近频率算法
LRU 和最小 TTL 算法不是精确算法而是近似算法
老头刚讲完自己的手段，数据就有问题了;
三大问题，就出现在数据脑海中
1.一般本地会用什么缓存淘汰策略呢？
2.如何修改缓存淘汰策略呢？
3.最近比较火缓存淘汰机制LRU思想是啥？
解析问题1：
1.一般本地会用什么缓存淘汰策略呢？
如果是自己本地已经下载了Redis，一般在配置文件conf中会找到，关于
解析问题2：
2.如何修改缓存淘汰策略呢？
两种方式，一种是命令，一种是conf的方式：
命令方式：
config set maxmemory-policy allkeys-lru
conf文件
# maxmemory-policy noevication 不会驱逐，会导致redis奔溃
maxmeory-policy allkeys-lru
解析问题3：
3.最近比较火缓存淘汰机制LRU思想是啥？
本质上
此算法会过滤出最近最久未使用的数据予以淘汰
实例场景：
手机的后台任务，一个任务多次使用，会默认提示他的加载能力，特别少使用的会放在最左侧，直到内存发生空间紧张，优先使用LRU;
此算法就是来源于力扣的算法， LRU的缓存机制；
LRU算法的思想：
所谓缓存： 是读和写的操作， 最好在O(1)状态机制下，完成读与写的过程
特性要求：
必须要有顺序之分，因为根据排序，留存的时间区分
读写操作一次搞定，符合O（1）的状态
如果缓存容量满了，删除不常用的数据，
每次访问要把最新的数据插入队头中去；
综上所述：
就是
其中哈希：查找链表：插入和删除快，还要有顺序，双向链表
三个问题有了答案之后，数据感觉顿时对老头，心里的敬畏之情谊，
这老头对于LRU底层，多个缓存淘汰策略的制定，很有见解，果然姜换是老的辣
数据今天的旅途很是受益
卢卡寄语
通过对数据经过过期键，到缓存淘汰策略，一次次是将数据过滤，减少内存的损耗，
其中LRU算法思想在于多个场景技术中都用到过，比如手机的多任务，就是简单的LRU来做的， 下期是卢卡带你手写LRU算法， 期待数据又更好的表现。
LRU算法
数据今天遇到一个大佬，人家都称之为缓存老头的得意门生LRU，数据在此之前早就听过它的大名，因为很多数据在过期之后，会让LRU大师兄去筛选出合适的数据，用来继续提供缓存服务，这里面就涉及了LRU大师兄的秘笈了
就是哈希链表，因为LRU大师兄，不仅查询数据get(),set()数据也特别快，关键是可以很好的排序效果；
根据这三点，数据结构的木匠就给它打造了这个关于 hash -->保持顺序链表，将数据链接起来，查询和插入；
用Java中的数据结构写出LRU算法
Java中对于链表有存在hash的，我们首先可以想到是hashmap，但是我们这次要使用一个他的子类，
public class LinkedHashMap extends HashMap implements Map
继承了HashMap的特性，查询快+插入快，底层是数组+红黑树
基于对于LinkedHashMap,我们可以看一下关于类的注释：
手写LRU算法步骤
import java.util.LinkedHashMap;
import java.util.Map;
/**
* @author lucas
* @create 2021-08-09 19:53
* @description LRU算法的基础实现
*/
public class LRUCacheDemo extends LinkedHashMap {
/**
* 1.确定初始容量
* 2.初始化构造器的，容量capacity
* 3.删除操作
*/
private int capacity; //最大容量
public LRUCacheDemo(int capacity) {
/**
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
* @param accessOrder the ordering mode - true for
* access-order, false for insertion-order 访问顺序
*/
super(capacity, 0.75F, false);
this.capacity = capacity;
}
// 默认的构造方法基于，负载因子和顺序
// public LRUCacheDemo(int initialCapacity, float loadFactor, boolean accessOrder, int capacity) {
// super(initialCapacity, loadFactor, accessOrder);
// this.capacity = capacity;
// }
//删除操作
@Override
protected boolean removeEldestEntry(Map.Entry eldest) {
return super.size() > capacity;
}
public static void main(String[] args) {
LRUCacheDemo lruCacheDemo = new LRUCacheDemo(3);
lruCacheDemo.put(1, "a");
lruCacheDemo.put(2, "b");
lruCacheDemo.put(3, "c");
System.out.println(lruCacheDemo.keySet());
lruCacheDemo.put(4, "d");
System.out.println("增加第四个后，列表是"+lruCacheDemo.keySet());
/**
* [1, 2, 3]
* 增加第四个后，列表是[2, 3, 4]
* 解析： 当前第四个进来之后，4这个值将最近最少使用的直接踢出去
*/
System.out.println("--------------------------------------------");
lruCacheDemo.put(3, "d");
System.out.println(lruCacheDemo.keySet());
lruCacheDemo.put(3, "d");
System.out.println(lruCacheDemo.keySet());
lruCacheDemo.put(3, "d");
System.out.println(lruCacheDemo.keySet());
/***
* [2, 4, 3]
* [2, 4, 3]
* [2, 4, 3]
* 最近一直使用的，3的值最频繁，放在最右侧
*/
System.out.println("--------------------------------------------");
lruCacheDemo.put(5, "d");
System.out.println(lruCacheDemo.keySet());
/**
* [4, 3, 5]
* 5,进入之后，直接将最少使用的2挤出去
*/
/** 访问顺序（accessOrder）为ture
* [1, 2, 3]
* 增加第四个后，列表是[2, 3, 4]
* --------------------------------------------
* [2, 4, 3]
* [2, 4, 3]
* [2, 4, 3]
* --------------------------------------------
* [4, 3, 5]
*/
```js
/**访问顺序（accessOrder）为false
* [1, 2, 3]
* 增加第四个后，列表是[2, 3, 4]
* --------------------------------------------
* [2, 3, 4]
* [2, 3, 4]
* [2, 3, 4]
* --------------------------------------------
* [3, 4, 5]
*/
}
}
利用Java的集合，可以实现LRU的功能；
本质上： 如何在有限的容器中，转载多变的数据 ；
LRU： 最近访问最少的元素挑选出来
其中对于构造器中，需要注意的点，对于accessOrder-代表访问顺序
* 访问顺序accessOreder
* - true for access-order,
* -false for insertion-order
卢卡寄语
数据通过对于LRU中 LINKhashMap的实现， 是基于hash+双向链表的集合， 熟悉了LRU基本的工作机制，以及对于多个数据进入固定容器，如何筛选的过程，下期我们会根据数据的表现，提升一个段位，对于让你纯手写，不借助现成的集合方式，实现一个LRU的算法；你会如何写呢， 答案我们揭晓