Co je LRU Cache?

Algoritmy výměny mezipaměti jsou efektivně navrženy tak, aby nahradily mezipaměť, když je místo plné. The Nejméně uživaný v poslední době (LRU) je jedním z těchto algoritmů. Jak název napovídá, když je vyrovnávací paměť plná, LRU vybere data, která byla naposledy použitá, a odstraní je, aby se uvolnilo místo pro nová data. Priorita dat v mezipaměti se mění podle potřeby těchto dat, tj. pokud jsou některá data načtena nebo aktualizována nedávno, priorita těchto dat by byla změněna a přiřazena k nejvyšší prioritě a priorita dat se sníží, pokud zůstává po operacích nevyužité operace.

Obsah

• Co je LRU Cache?
• Operace na mezipaměti LRU:
• Fungování LRU Cache:
• Způsoby implementace LRU Cache:
• Implementace mezipaměti LRU pomocí fronty a hašování:
• Implementace mezipaměti LRU pomocí dvojitě propojeného seznamu a hašování:
• Implementace mezipaměti LRU pomocí Deque & Hashmap:
• Implementace mezipaměti LRU pomocí Stack & Hashmap:
• Mezipaměť LRU pomocí implementace Counter:
• Implementace mezipaměti LRU pomocí Lazy Updates:
• Analýza komplexnosti mezipaměti LRU:
• Výhody LRU cache:
• Nevýhody LRU cache:
• Aplikace LRU Cache v reálném světě:

LRU Algoritmus je standardní problém a může mít odchylky podle potřeby, například v operačních systémech LRU hraje klíčovou roli, protože může být použit jako algoritmus náhrady stránky, aby se minimalizovaly chyby stránky.

Operace na mezipaměti LRU:

• LRUCache (kapacita c): Inicializujte mezipaměť LRU s kladnou kapacitou C.
• získat (klíč) : Vrátí hodnotu klíče ' k' pokud je přítomen v mezipaměti, jinak vrátí -1. Aktualizuje také prioritu dat v mezipaměti LRU.
• dát (klíč, hodnota): Aktualizujte hodnotu klíče, pokud tento klíč existuje. V opačném případě přidejte pár klíč–hodnota do mezipaměti. Pokud počet klíčů překročí kapacitu mezipaměti LRU, zrušte poslední použitý klíč.

Fungování LRU Cache:

Předpokládejme, že máme mezipaměť LRU o kapacitě 3 a chtěli bychom provést následující operace:

1. Vložte (klíč=1, hodnota=A) do mezipaměti
2. Vložte (klíč=2, hodnota=B) do mezipaměti
3. Vložte (klíč=3, hodnota=C) do mezipaměti
4. Získejte (klíč=2) z mezipaměti
5. Získejte (klíč=4) z mezipaměti
6. Vložte (klíč=4, hodnota=D) do mezipaměti
7. Vložte (klíč=3, hodnota=E) do mezipaměti
8. Získejte (klíč=4) z mezipaměti
9. Vložte (klíč=1, hodnota=A) do mezipaměti

Výše uvedené operace se provádějí jedna po druhé, jak je znázorněno na obrázku níže:

Podrobné vysvětlení každé operace:

1. Dejte (klíč 1, hodnota A) : Vzhledem k tomu, že mezipaměť LRU má prázdnou kapacitu=3, není potřeba žádná výměna a na začátek jsme umístili {1 : A}, tj. {1 : A} má nejvyšší prioritu.
2. Dejte (klíč 2, hodnota B) : Vzhledem k tomu, že mezipaměť LRU má prázdnou kapacitu=2, opět není potřeba žádná výměna, ale nyní má {2 : B} nejvyšší prioritu a prioritu snížení {1 : A}.
3. Dejte (klíč 3, hodnota C) : Stále je v mezipaměti 1 volné místo, proto vložte {3 : C} bez jakékoli náhrady, všimněte si, že nyní je mezipaměť plná a aktuální pořadí priorit od nejvyšší po nejnižší je {3:C}, {2:B }, {1:A}.
4. Získat (klíč 2) : Nyní vraťte hodnotu klíče=2 během této operace, také protože je použit klíč=2, nyní je nové pořadí priority {2:B}, {3:C}, {1:A}
5. Získejte (klíč 4): Všimněte si, že klíč 4 není přítomen v mezipaměti, pro tuto operaci vrátíme „-1“.
6. Dejte (klíč 4, hodnota D) : Všimněte si, že mezipaměť je PLNÁ, nyní pomocí algoritmu LRU určete, který klíč byl naposledy použit. Protože {1:A} mělo nejmenší prioritu, odstraňte {1:A} z naší mezipaměti a vložte do mezipaměti {4:D}. Všimněte si, že nové pořadí priority je {4:D}, {2:B}, {3:C}
7. Dejte (klíč 3, hodnota E) : Vzhledem k tomu, že klíč=3 již byl v mezipaměti přítomen s hodnotou=C, tato operace nepovede k odstranění žádného klíče, spíše aktualizuje hodnotu klíče=3 na „ A' . Nyní se nové pořadí priority stane {3:E}, {4:D}, {2:B}
8. Získejte (klíč 4) : Vrátí hodnotu key=4. Nyní se nová priorita stane {4:D}, {3:E}, {2:B}
9. Dejte (klíč 1, hodnota A) : Protože je naše mezipaměť PLNÁ, použijte náš algoritmus LRU k určení, který klíč byl naposledy použit, a protože {2:B} měl nejmenší prioritu, odeberte {2:B} z naší mezipaměti a vložte {1:A} do mezipaměti. Nyní je nové pořadí priority {1:A}, {4:D}, {3:E}

Způsoby implementace LRU Cache:

LRU cache lze implementovat různými způsoby a každý programátor může zvolit jiný přístup. Níže jsou však běžně používané přístupy:

1. LRU pomocí fronty a hashování
2. pomocí LRU Dvojitě propojený seznam + hašování
3. LRU pomocí Deque
4. LRU pomocí Stack
5. pomocí LRU Implementace pultu
6. LRU pomocí Lazy Updates

Implementace mezipaměti LRU pomocí fronty a hašování:

K implementaci LRU Cache používáme dvě datové struktury.

1. Fronta je implementován pomocí dvojitě propojeného seznamu. Maximální velikost fronty bude rovna celkovému počtu dostupných snímků (velikost mezipaměti). Naposledy použité stránky budou blízko předního konce a nejméně naposledy použité stránky budou blízko zadního konce.
2. Hash s číslem stránky jako klíčem a adresou odpovídajícího uzlu fronty jako hodnotou.

Když je odkazováno na stránku, požadovaná stránka může být v paměti. Pokud je v paměti, musíme odpojit uzel seznamu a přenést jej na začátek fronty.
Pokud požadovaná stránka není v paměti, přeneseme ji do paměti. Jednoduše řečeno, přidáme nový uzel na začátek fronty a aktualizujeme odpovídající adresu uzlu v hash. Pokud je fronta plná, tj. všechny rámce jsou plné, odebereme uzel ze zadní části fronty a přidáme nový uzel do přední části fronty.

Ilustrace:

Podívejme se na operace, Odkazy klíč X s v mezipaměti LRU: { 1, 2, 3, 4, 1, 2, 5, 1, 2, 3 }
Poznámka: Zpočátku není v paměti žádná stránka.

Níže uvedené obrázky ukazují krok za krokem provádění výše uvedených operací na mezipaměti LRU.

Algoritmus:

• Vytvořte třídu LRUCache s deklarací seznamu typu int, neuspořádané mapy typu a proměnnou pro uložení maximální velikosti mezipaměti
• V referenční funkci LRUCache
  • Pokud tato hodnota není přítomna ve frontě, vložte tuto hodnotu před frontu a odstraňte poslední hodnotu, pokud je fronta plná
  • Pokud je hodnota již přítomna, odeberte ji z fronty a posuňte ji do přední části fronty
• V zobrazení funkce tisku, LRUCache pomocí fronty začínající zepředu

Níže je uvedena implementace výše uvedeného přístupu:

C++

weby jako coomeet

>

>

C

>

>

Jáva

>

>

Python3

>

>

C#

>

>

Javascript

>

>

Implementace mezipaměti LRU pomocí dvojitě propojeného seznamu a hašování :

Myšlenka je velmi základní, tj. vkládat prvky do hlavy.

• pokud prvek není v seznamu přítomen, přidejte jej na začátek seznamu
• pokud je prvek v seznamu přítomen, přesuňte prvek do záhlaví a posuňte zbývající prvek seznamu

Všimněte si, že priorita uzlu bude záviset na vzdálenosti tohoto uzlu od hlavy, čím nejblíže je uzel k hlavě, tím vyšší prioritu má. Takže když je velikost mezipaměti plná a potřebujeme odstranit nějaký prvek, odstraníme prvek sousedící s koncem dvojitě propojeného seznamu.

Implementace mezipaměti LRU pomocí Deque & Hashmap:

Struktura dat deque umožňuje vkládání a mazání zepředu i z konce, tato vlastnost umožňuje implementaci LRU, protože Front element může představovat prvek s vysokou prioritou, zatímco koncový prvek může být prvek s nízkou prioritou, tj. Nejméně nedávno použitý.

Pracovní:

1. Získejte operaci : Zkontroluje, zda klíč existuje v hash mapě mezipaměti, a postupujte podle níže uvedených případů na deque:
   • Pokud je klíč nalezen:
     • Položka je považována za nedávno použitou, proto je přesunuta na přední stranu deque.
     • Hodnota spojená s klíčem je vrácena jako výsledekget>úkon.
   • Pokud klíč není nalezen:
     • návrat -1 označující, že žádný takový klíč není přítomen.
2. Uvedení operace: Nejprve zkontrolujte, zda klíč již existuje v hash mapě mezipaměti, a postupujte podle níže uvedených případů na deque
   • Pokud klíč existuje:
     • Hodnota spojená s klíčem se aktualizuje.
     • Položka se přesune na přední stranu deque, protože je nyní naposledy použitá.
   • Pokud klíč neexistuje:
     • Pokud je mezipaměť plná, znamená to, že je třeba vložit novou položku a nejméně nedávno použitou položku je nutné vyřadit. To se provádí odstraněním položky z konce deque a odpovídající položky z hash mapy.
     • Nový pár klíč–hodnota se pak vloží jak do hashové mapy, tak do přední části deque, což znamená, že se jedná o naposledy použitou položku.

Implementace mezipaměti LRU pomocí Stack & Hashmap:

Implementace mezipaměti LRU (nejméně nedávno použité) pomocí datové struktury zásobníku a hašování může být trochu složitější, protože jednoduchý zásobník neposkytuje efektivní přístup k nejméně nedávno použité položce. Můžete však kombinovat zásobník s hašovací mapou, abyste toho dosáhli efektivně. Zde je přístup na vysoké úrovni k jeho implementaci:

1. Použijte hash mapu : Mapa hash bude ukládat páry klíč-hodnota mezipaměti. Klíče se namapují na odpovídající uzly v zásobníku.
2. Použijte zásobník : Zásobník zachová pořadí klíčů na základě jejich použití. Nejméně nedávno použitá položka bude ve spodní části zásobníku a naposledy použitá položka bude nahoře

Tento přístup není tak účinný, a proto se často nepoužívá.

soukromá vs veřejná java

Mezipaměť LRU pomocí implementace Counter:

Každý blok v mezipaměti bude mít svůj vlastní čítač LRU, ke kterému patří hodnota čítače {0 až n-1} , tady ' n ‘ představuje velikost mezipaměti. Blok, který se změní při výměně bloku, se stane blokem MRU a v důsledku toho se jeho hodnota čítače změní na n – 1. Hodnoty čítače větší než hodnota čítače zpřístupněného bloku se sníží o jednu. Zbývající bloky jsou beze změny.

Implementace mezipaměti LRU pomocí Lazy Updates:

Implementace mezipaměti LRU (nejméně nedávno používaná) pomocí líných aktualizací je běžnou technikou ke zlepšení efektivity operací mezipaměti. Líné aktualizace zahrnují sledování pořadí, ve kterém se přistupuje k položkám, aniž by se okamžitě aktualizovala celá datová struktura. Když dojde k chybě mezipaměti, můžete se na základě určitých kritérií rozhodnout, zda provést úplnou aktualizaci či nikoli.

Analýza komplexnosti mezipaměti LRU:

• Časová náročnost:
  • Operace Put(): O(1), tj. čas potřebný k vložení nebo aktualizaci nového páru klíč–hodnota je konstantní
  • Operace Get(): O(1) tj. čas potřebný k získání hodnoty klíče je konstantní
• Pomocný prostor: O(N), kde N je kapacita mezipaměti.

Výhody LRU cache:

• Rychlý přístup : Přístup k datům z mezipaměti LRU trvá O(1).
• Rychlá aktualizace : Aktualizace páru klíč–hodnota v mezipaměti LRU trvá O(1).
• Rychlé odstranění nejméně nedávno použitých dat : Trvá O(1) smazat to, co nebylo nedávno použito.
• Žádné mlácení: LRU je ve srovnání s FIFO méně náchylná k thrashování, protože bere v úvahu historii používání stránek. Dokáže zjistit, které stránky jsou často používány, a upřednostnit je pro alokaci paměti, čímž se sníží počet chyb stránek a diskových I/O operací.

Nevýhody LRU cache:

• Ke zvýšení efektivity vyžaduje velkou velikost mezipaměti.
• Vyžaduje implementaci další datové struktury.
• Hardwarová pomoc je vysoká.
• V LRU je detekce chyb ve srovnání s jinými algoritmy obtížná.
• Má omezenou přijatelnost.

Aplikace LRU Cache v reálném světě:

• V databázových systémech pro rychlé výsledky dotazů.
• V operačních systémech k minimalizaci chyb stránek.
• Textové editory a IDE pro ukládání často používaných souborů nebo úryvků kódu
• Síťové směrovače a přepínače využívají LRU ke zvýšení efektivity počítačové sítě
• V optimalizacích kompilátoru
• Nástroje pro predikci textu a automatické dokončování