今天小编给大家分享一下JavaScript怎么实现LRU算法的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
LRU简介
least Recently Used 最近最少使用，用于操作系统内存管理，在前端开发中常用于优化页面性能和资源利用率。
直接翻译就是“最不经常使用的数据，重要性是最低的，应该优先删除”
以下是在前端中使用LRU算法的几个应用场景：
前端路由：在单页应用（SPA）中，通过将路由信息保存在缓存中，可以避免每次访问页面时都需要重新加载数据，从而提高页面响应速度和用户体验。
图片懒加载：对于大型图片库，可以使用LRU算法对已加载的图片进行缓存，当一个新图片需要被加载时，可以先检查该图片是否已经在缓存中存在，如果存在则直接从缓存中获取，否则从服务器加载。
数据缓存：对于需要频繁读取的数据或者需要复杂计算才能得出结果的数据，可以使用LRU算法对其进行缓存，以减少重复计算的时间。
字体应用：对于网站上使用的字体文件，可以使用LRU算法将最常用的字体文件存储在缓存中，从而加快页面渲染速度和节省网络流量。
总之，LRU算法可用于提升前端应用的性能和用户体验，但需要根据具体的应用场景选择合适的算法并进行合理的配置。
如何实现
那么如何实现一个LRU 算法呢？我们一起看看leetcode 146这道题目
设计一个LRU类，实现get put 方法
题目简单描述：
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类：
LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该 逐出 最久未使用的关键字。
实现思路
我们使用一个map 来缓存数据。
当获取数据key 时，优先判断是否存在于map，如果在我们先拿到这个值存为temp，然后从map中删除，重新set进map中
当插入数据时，优先判断是否存在于map，如果不存在，直接set，如果存在，删除后哦吗，重新set
这样我们保证最近使用的都在map 的最下层，当内存超出时，直接删除map 顶层元素即可
this.map.delete(this.map.keys().next().value)
var LRUCache = function(capacity) {
this.capacity = capacity
this.map = new Map()
}
LRUCache.prototype.get = function(key) {
if(this.map.has(key)) {
let temp = this.map.get(key)
this.map.delete(key)
this.map.set(key,temp)
return temp
} else {
return -1
}
}
LRUCache.prototype.put = function(key, value) {
if(this.map.has(key)) {
this.map.delete(key)
}
this.map.set(key,value)
if(this.map.size > this.capacity) {
this.map.delete(this.map.keys().next().value)
}
}缺陷
虽然该实现使用了 Map 对象，但是在最坏情况下，如果哈希函数分布不均匀，可能会导致哈希冲突，使得某些操作的时间复杂度变为 O(n)。因此，在实际应用中，如果需要高效地处理大规模数据，建议使用双向链表或其他更高效的数据结构。
假设有一个哈希表，大小为 5，使用的哈希函数为 key % 5。现在插入以下 6 个键值对：
{key: 1, value: 'a'}
{key: 2, value: 'b'}
{key: 3, value: 'c'}
{key: 4, value: 'd'}
{key: 6, value: 'e'}
{key: 11, value: 'f'}根据给定的哈希函数 key % 5，可以将每个键映射到哈希表中的一个桶。具体来说，将键除以 5 并取余数，以得到它应该插入的桶的索引。
使用这个哈希函数，将上述六个键值对插入哈希表中，得到以下结果：
在索引 1 的桶中插入 {key: 1, value: 'a'}
在索引 2 的桶中插入 {key: 2, value: 'b'}
'在索引 3 的桶中插入 {key: 3, value: 'c'}
在索引 4 的桶中插入 {key: 4, value: 'd'}
在索引 1 的桶中插入 {key: 6, value: 'e'}
在索引 1 的桶中插入 {key: 11, value: 'f'}
注意，在将键为 6 和 11 的键值对插入哈希表时，它们都被映射到索引 1 的桶中。这是因为它们分别与 1 余数相同。
当出现哈希冲突时，即多个键被映射到同一桶时
这种情况下，在操作时需要遍历整个桶来查找指定的键值对，因此操作的时间复杂度变为 O(n)。
双向链表+哈希表
那么如何达到O(1)的时间复杂度呢？
那肯定选用 map 查询。修改，删除也要尽量 O(1) 完成。搜寻常见的数据结构，链表，栈，队列，树，图。树和图排除，栈和队列无法任意查询中间的元素，也排除。所以选用链表来实现。但是如果选用单链表，删除这个结点，需要 O(n) 遍历一遍找到前驱结点。所以选用双向链表，在删除的时候也能 O(1) 完成。
核心就是：最近最多使用的节点永远在链表结尾，最近最少使用的节点在链表开头。
双向链表
双向链表的结构
value: 存储的值
prev: 指向前一个元素的指针
next: 指向下一个元素的指针
Head和Tail是虚拟的头部和尾部节点，这是为了方便找到链表的首末设定的
┌──────>┐ ┌───────>┐ ┌───────>┐
head • (x|"three"|•) (•|"two"|•) (•|"one"|x) • tail
└<────────┘ └<───────┘ └<─────┘
实现思路
1.使用一个Map 对象来存储键值对
2.使用一个双向链表维护键值对的顺序
3.抽离出一个addToTaill 方法（将节点插入末尾）抽离出一个remove 方法（删除节点）
4.当执行put 操作时，判断节点是否在map中
如果存在，获取当前节点值，在双向链表中remove删除改节点，重新调用 addToTail 添加到末尾
如果不存在，建立一个双向链表节点，调用 addToTail 添加到末尾，同时添加进map
如果超过容量this.size > this.cap，删除当前head节点，从map中删除当前key
5.当执行get 操作时，判断节点是否在map中
如果不存在，返回-1
如果存在，获取当前key,value，重新执行put 操作
class ListNode {
constructor(key, value) {
this.key = key;
this.val = value;
this.prev = null;
this.next = null;
}
}
class LRUCache {
constructor(capacity = 10) {
this.capacity = capacity;
// 实际保存的键值对数量
this.size = 0;
this.map = {};
//代表最旧的节点
this.head = null;
//代表最新的节点
this.tail = null;
}
get(key) {
const node = this.map.get(key);
if (!node) return -1;
let node = this.map[key];
this.put(node.key, node.val);
return node.value;
}
put(key, value) {
if(this.map[key]) {
let node = this.map[key]
node.val = value
this.remove(node)
this.addTotail(node)
} else {
let node = new ListNode(key,value)
this.addTotail(node)
this.map[key] = node
this.size++
}
if (this.size > this.cap) {
let key = this.head.key;
this.remove(this.head);
delete this.map[key];
this.size--;
}
}
addToTail(node) {
if(this.tail) {
this.tail.next = node
node.prev = this.tail
this.tail = node
} else {
this.tail = node
this.head = node
}
}
remove(node) {
if(node.prev) {
node.prev.next = node.next
} else {
this.head = this.head.next
}
if(node.next) {
node.next.prev = node.prev
} else {
this.tail = this.tail.prev
}
node.prev = node.next = null;
}
}