LRU 缓存算法技术文档
2024-12-20 22:07:43作者:丁柯新Fawn
LRU(Least Recently Used,最近最少使用)缓存算法是一种常用的缓存淘汰策略,它通过移除最长时间未被访问的数据来为新数据腾出空间。以下是对本项目实现的LRU缓存算法的详细说明。
1. 安装指南
通过复制代码
推荐将lru.js或lru.js和lru.d.ts文件复制到您的源代码目录中。对于最小功能需求,您只需要复制到注释“以下是可选代码”的部分。
使用NPM
yarn add lru_map
请注意,由于NPM是一个大的扁平命名空间,您需要将模块导入为“lru_map”而不是简单的“lru”。
使用AMD
使用AMD模块加载器(例如amdld)也可以加载此模块,无需任何配置。
测试
- 运行测试:
npm test - 运行基准测试:
npm run benchmark
使用TypeScript
此模块包含完整的类型覆盖,以便与TypeScript一起使用。如果您复制了代码或文件而不是使用模块加载器,请确保将lru.d.ts包含在与lru.js相同的目录中。
import { LRUMap } from './lru'
2. 项目使用说明
LRU缓存算法项目使用了一个双向链表来实现,以下是示例代码:
let c = new LRUMap(3)
c.set('adam', 29)
c.set('john', 26)
c.set('angela', 24)
console.log(c.toString()) // -> "adam:29 < john:26 < angela:24"
console.log(c.get('john')) // -> 26
console.log(c.toString()) // -> "adam:29 < angela:24 < john:26"
c.set('zorro', 141)
console.log(c.toString()) // -> "angela:24 < john:26 < zorro:141"
3. 项目API使用文档
LRUMap类的API模仿了JavaScript的Map对象,这意味着在大多数情况下,您可以直接使用LRUMap替代Map。
export class LRUMap<K, V> {
constructor(limit: number, entries?: Iterable<[K, V]>)
size: number
limit: number
oldest: Entry<K, V>
newest: Entry<K, V>
assign(entries: Iterable<[K, V]>): void
set(key: K, value: V): LRUMap<K, V>
shift(): [K, V] | undefined
get(key: K): V | undefined
has(key: K): boolean
find(key: K): V | undefined
delete(key: K): V | undefined
clear(): void
keys(): Iterator<K>
values(): Iterator<V>
entries(): Iterator<[K, V]>
[Symbol.iterator](): Iterator<[K, V]>
forEach(fun: (value: V, key: K, m: LRUMap<K, V>) => void, thisArg?: any): void
toJSON(): Array<{ key: K, value: V }>
toString(): string
}
interface Entry<K, V> {
key: K
value: V
}
如果需要在项从缓存中逐出时进行任何形式的最终处理,包装shift方法是一个很好的方式:
let c = new LRUMap(123);
c.shift = function() {
let entry = LRUMap.prototype.shift.call(this);
doSomethingWith(entry);
return entry;
}
内部实现会在需要逐出条目时调用shift方法,所以这个方法对于从缓存中移除的任何项都是保证会被调用的。返回的条目必须不包含对其他条目的任何强引用。有关更多详细信息,请参阅LRUMap.prototype.set()方法的文档。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178