文章目录1.LRU2.groupcache LRU Cache 简介3.源码剖析4.使用示例参考文献1.LRULRULeast Recently Used最久未被使用是一种常见的缓存淘汰算法当缓存满时淘汰最近最久未使用的元素。LRU 在很多分布式缓存系统如Redis, Memcached中都有广泛使用。LRU 基本思想是如果一个数据在最近一段时间没有被访问到那么可以认为在将来它被访问的可能性也很小。因此当缓存满时最久未被访问的数据最先被淘汰。具体做法是将最近使用的元素存放到靠近缓存顶部的位置当一个新条目被访问时LRU 将它放置到缓存的顶部。当缓存满时较早之前访问的条目将从缓存底部被移除。2.groupcache LRU Cache 简介在 Go 中如果想使用 LRU 缓存可以使用 Google Golang 团队官方出品的开源库 groupcache。LRU 缓存通过groupcache/lru/lru.go实现它主要是封装了一系列 LRU 缓存操作的相关接口。主要有//创建一个 LRU CachefuncNew(maxEntriesint)*Cache//向 Cache 中插入一个 KVfunc(c*Cache)Add(key Key,valueinterface{})//从 Cache 中获取一个 key 对应的 valuefunc(c*Cache)Get(key Key)(valueinterface{},okbool)//从 Cache 中删除一个 keyfunc(c*Cache)Remove(key Key)//从 Cache 中删除最久未被访问的数据func(c*Cache)RemoveOldest()//获取 Cache 中当前的元素个数func(c*Cache)Len()//清空 Cachefunc(c*Cache)Clear()注意groupcache 中实现的 LRU Cache 并不是并发安全的如果用于多个 Go 程并发的场景需要加锁。当然除了使用 groupcache 的 LRU Cache其他开源的库也可以参考一下比如Allegro 公司推出的 bigcache。HashiCorp 公司推出的 golang-lru。零GC开销和高并发性能缓存 coocood/freecache。简单的内 KV 缓存 patrickmn/go-cache。3.源码剖析LRU Cache 基于 map 与 listmap 用于快速检索list 用于实现 LRU。具体实现如下packagelruimportcontainer/list//Cache 是一个 LRU Cache注意它并不是并发安全的typeCachestruct{//MaxEntries 是 Cache 中实体的最大数量0 表示没有限制MaxEntriesint//OnEvicted 是一个可选的回调函数当一个实体从 Cache 中被移除时执行OnEvictedfunc(key Key,valueinterface{})//ll是一个双向链表指针执行一个 container/list 包中的双向链表ll*list.List//cache 是一个 map存放具体的 k/v 对value 是双向链表中的具体元素也就是 *Elementcachemap[interface{}]*list.Element}//key 是接口可以是任意类型typeKeyinterface{}//一个 entry 包含一个 key 和一个 value都是任意类型typeentrystruct{key Key valueinterface{}}//创建一个 LRU Cache。maxEntries 为 0 表示缓存没有大小限制funcNew(maxEntriesint)*Cache{returnCache{MaxEntries:maxEntries,ll:list.New(),cache:make(map[interface{}]*list.Element),}}//向 Cache 中插入一个 KVfunc(c*Cache)Add(key Key,valueinterface{}){ifc.cachenil{c.cachemake(map[interface{}]*list.Element)c.lllist.New()}ifee,ok:c.cache[key];ok{c.ll.MoveToFront(ee)ee.Value.(*entry).valuevaluereturn}ele:c.ll.PushFront(entry{key,value})c.cache[key]eleifc.MaxEntries!0c.ll.Len()c.MaxEntries{c.RemoveOldest()}}//传入一个 key返回一个是否有该 key 以及对应 valuefunc(c*Cache)Get(key Key)(valueinterface{},okbool){ifc.cachenil{return}ifele,hit:c.cache[key];hit{c.ll.MoveToFront(ele)returnele.Value.(*entry).value,true}return}//从 Cache 中删除一个 KVfunc(c*Cache)Remove(key Key){ifc.cachenil{return}ifele,hit:c.cache[key];hit{c.removeElement(ele)}}//从 Cache 中删除最久未被访问的数据func(c*Cache)RemoveOldest(){ifc.cachenil{return}ele:c.ll.Back()ifele!nil{c.removeElement(ele)}}//从 Cache 中删除一个元素供内部调用func(c*Cache)removeElement(e*list.Element){//先从 list 中删除c.ll.Remove(e)kv:e.Value.(*entry)//再从 map 中删除delete(c.cache,kv.key)//如果回调函数不为空则调用ifc.OnEvicted!nil{c.OnEvicted(kv.key,kv.value)}}//获取 Cache 当前的元素个数func(c*Cache)Len()int{ifc.cachenil{return0}returnc.ll.Len()}//清空 Cachefunc(c*Cache)Clear(){ifc.OnEvicted!nil{for_,e:rangec.cache{kv:e.Value.(*entry)c.OnEvicted(kv.key,kv.value)}}c.llnilc.cachenil}4.使用示例从上面的源码分析来看groupcache 实现的 LRU Cache 还是比较简单的Google 一直秉持着简单易用的设计理念可见一斑。下面看一个使用示例。packagemainimport(fmtgithub.com/groupcache/lru)funcmain(){cache:lru.New(2)cache.Add(bill,20)cache.Add(dable,19)v,ok:cache.Get(bill)ifok{fmt.Printf(bills age is %v\n,v)}cache.Add(cat,18)fmt.Printf(cache length is %d\n,cache.Len())_,okcache.Get(dable)if!ok{fmt.Printf(dable was evicted out\n)}}编译运行输出bills age is 20 cache length is 2 dable was evicted out参考文献Github.groupcache缓存淘汰算法LFU、LRU、ARC、FIFO、MRU分析groupcache 源码分析二-- LRU