LRU（Least Recently Used）是一种常用的页面置换算法，其核心思想是选择最近最久未使用的页面予以淘汰。
基本思想：LRU算法基于一个假设，即如果一个数据在最近一段时间没有被访问到，那么在将来它被访问的可能性也很低。因此，当缓存空间不足时，算法会选择最久未使用的数据进行淘汰。
实现方式：LRU算法通常通过维护一个队列或链表来实现。当访问一个页面时，如果该页面已经在队列中，则将其移动到队列的头部（最近使用）；如果该页面不在队列中，则将其添加到队列的头部，并检查队列长度是否超过预设的阈值。如果队列长度超过阈值，则淘汰队列尾部的页面（最久未使用）。
在Lru的结构中，我们要避免key或者val的拷贝。
因为key此时需要在双向列表中保存也需要在HashMap中保存，所以我们要以下方案：
Rc<K>引用计数通过引用计数来控制生命周期
优点：不用处理不安全的代码
缺点：因为Val可能在遍历中被更改，所以不能存储在双向列表里，取得值的时候需要进行一次Hash
*mut K 裸指针通过unsafe编码来实现
优点：在双向列表及HashMap中均存储一份数值，遍历或者根据key取值均只需一次操作
缺点：需要引入ptr，即用指针的方式来进行生命周期管理
此时我们用的是裸指针的方式，让我们先来定义节点数据，数据将存储在该节点里面，key及val的生命周期随节点管理，在删除的时候需同时在列表及在HashMap中进行删除
/// Lru节点数据
struct LruEntry<K, V> {
/// 头部节点及尾部结点均未初始化值
pub key: mem::MaybeUninit<K>,
/// 头部节点及尾部结点均未初始化值
pub val: mem::MaybeUninit<V>,
pub prev: *mut LruEntry<K, V>,
pub next: *mut LruEntry<K, V>,
}
接下来需要设计LruCache结构，将由一个map存储数据结构，一个双向链表存储访问优先级，cap表示缓存的容量。
pub struct LruCache<K, V, S> {
/// 存储数据结构
map: HashMap<KeyRef<K>, NonNull<LruEntry<K, V>>, S>,
/// 缓存的总容量
cap: usize,
/// 双向列表的头
head: *mut LruEntry<K, V>,
/// 双向列表的尾
tail: *mut LruEntry<K, V>,
}
其中KeyRef仅仅只是表示裸指针的一层包装，方便重新实现Hash，Eq等trait
#[derive(Clone)]
struct KeyRef<K> {
pub k: *const K,
}
首先初始化对象，初始化map及空的双向链表：
impl<K, V, S> LruCache<K, V, S> {
/// 提供hash函数
pub fn with_hasher(cap: usize, hash_builder: S) -> LruCache<K, V, S> {
let cap = cap.max(1);
let map = HashMap::with_capacity_and_hasher(cap, hash_builder);
let head = Box::into_raw(Box::new(LruEntry::new_empty()));
let tail = Box::into_raw(Box::new(LruEntry::new_empty()));
unsafe {
(*head).next = tail;
(*tail).prev = head;
}
Self {
map,
cap,
head,
tail,
}
}
}
插入对象，分已在缓存内和不在缓存内：
pub fn capture_insert(&mut self, k: K, mut v: V) -> Option<(K, V)> {
let key = KeyRef::new(&k);
match self.map.get_mut(&key) {
Some(entry) => {
let entry_ptr = entry.as_ptr();
unsafe {
mem::swap(&mut *(*entry_ptr).val.as_mut_ptr(), &mut v);
}
self.detach(entry_ptr);
self.attach(entry_ptr);
Some((k, v))
}
None => {
let (_, entry) = self.replace_or_create_node(k, v);
let entry_ptr = entry.as_ptr();
self.attach(entry_ptr);
unsafe {
self.map
.insert(KeyRef::new((*entry_ptr).key.as_ptr()), entry);
}
None
}
}
}
存在该元素时，将进行替换
unsafe {
mem::swap(&mut *(*entry_ptr).val.as_mut_ptr(), &mut v);
}
并且重新维护访问队列，需要detach然后重新attach使其在队列的最前面，保证最近访问最晚淘汰，从而实现Lru。
如果元素不存在，那么将判断是否缓存队列为满，如果满了将要淘汰的数据进行替换，如果未满创建新的元素，即replace_or_create_node。
在将元素删除时，需要维护好我们的队列，防止出现队列错误及野指针等
pub fn remove<Q>(&mut self, k: &Q) -> Option<(K, V)>
where
K: Borrow<Q>,
Q: Hash + Eq + ?Sized,
{
match self.map.remove(KeyWrapper::from_ref(k)) {
Some(l) => unsafe {
self.detach(l.as_ptr());
let node = *Box::from_raw(l.as_ptr());
Some((node.key.assume_init(), node.val.assume_init()))
},
None => None,
}
}
这里因为移除时，仅仅需要一个可以转化成K的引用即可以，并不需要严格的K，利于编程。例如:
let mut map = LruCache::new(2);
map.insert("aaaa".to_string(), "bbb");
map.remove("aaaa");
assert!(map.len() == 0);
在此处我们就不需要严格的构建String对象。由于map中的key我们用的是KeyRef，在这里，我们构建一个KeyWrapper进行转化。
// 确保新类型与其内部类型的内存布局完全相同
#[repr(transparent)]
struct KeyWrapper<Q: ?Sized>(Q);
impl<K, Q> Borrow<KeyWrapper<Q>> for KeyRef<K>
where
K: Borrow<Q>,
Q: ?Sized,
{
fn borrow(&self) -> &KeyWrapper<Q> {
let key = unsafe { &*self.k }.borrow();
KeyWrapper::from_ref(key)
}
}
如果移除成功，那么将从双向链表中同步移除，并且将指针中的值重新变成Rust中的对象，以便可以及时被drop，避免内存泄漏。
self.detach(l.as_ptr());
let node = *Box::from_raw(l.as_ptr());
Some((node.key.assume_init(), node.val.assume_init()))
pop移除栈顶上的数据，最近使用的pop_last移除栈尾上的数据，最久未被使用的contains_key判断是否包含key值raw_get直接获取key的值，不会触发双向链表的维护get获取key的值，并维护双向链表get_mut获取key的值，并可以根据需要改变val的值retain 根据函数保留符合条件的元素在cargo.toml中添加
[dependencies]
algorithm = "0.1"
use algorithm::LruCache;
fn main() {
let mut lru = LruCache::new(3);
lru.insert("now", "ok");
lru.insert("hello", "algorithm");
lru.insert("this", "lru");
lru.insert("auth", "tickbh");
assert!(lru.len() == 3);
assert_eq!(lru.get("hello"), Some(&"algorithm"));
assert_eq!(lru.get("this"), Some(&"lru"));
assert_eq!(lru.get("now"), None);
}
https://github.com/tickbh/algorithm-rs
Lru在缓存场景中也是极其重要的一环，但是普通的Lru容易将热点数据进行移除，如果短时间内大量的数据进入则会将需要缓存的数据全部清空，后续将介绍改进算法Lru-k及Lfu算法。