某程序员大佬，巧妙利用LRU算法整理房间——“LRU收纳法”

作者：ze ran

原文地址：

https://zhuanlan.zhihu.com/p/68550375

来源：知乎

前言

偶然在知乎上刷到了一个关于收纳的思维实验，想了想就写一篇关于LRU算法的文章吧！

知乎：一个关于收纳的思维实验

从抽屉里翻出个PSP 2000，想开机看看，却找不到充电器了。经过两天的翻箱倒柜，我决定，收拾房间！

做事情，有两类人，一类是实践先行，直接上手，边做边学；另一类是理论先行，宏观把握，阅读前人的思想，从战略的角度思考问题的本质，先拖着，受不了再做。

老婆是前者，我是后者。

我让老婆先 hold 住，不要动手，容我思考一下策略。

面对着摆的像圣诞树一样的 billy，我陷入了沉思：

假如有十二个盒子，编号一到十二，每个盒子代表一个月份。

用过的东西，不必归位，只要丢到当月的盒子里。比如，今天用过的东西，就丢到6号盒子里。

找东西，先从当月的盒子里找。没有，就找上个月的盒子，比如，现在是六月，查找盒子的顺序就6，5，4，3...

一年后，还在6号盒子里的东西，就是一年都没用过的，可以考虑扔了或回收。

好处有三：

1，房间的整洁度始终一致，维护难度小。传统收纳方法，人始终处在“乱--治--乱--治“的轮回中不能自拔，与熵增做着无谓的斗争。不必收纳，才是最容易的收纳。

2，解决的收纳后，常用的东西不好拿的问题。这个收纳算法中，最常用的东西，总是在当月的盒子里。不存在每天用的和每年用的东西混一起，反而找不到的烦恼。

3，自动筛选出无用的东西。收纳的时候，不必痛苦的考虑，扔不扔，有没有用。还在一年前的盒子里的东西，就是事实上不需要的东西。

缺点是：

要有十二个盒子。

老婆是不会同意再买十二个大盒子的，所以只能是个思维实验。有新搬家的同学，可以试试这个方法，可能很好玩。

这就叫 LRU 收纳法！

到这来知乎作者的文章就结束了，你以为这就结束了？不！

我们来谈谈缓存淘汰算法——LRU算法

1.概念分析

LRU(Least Recently Used)，即最近最少使用，怎么理解这个概念呢？我一开始见到这个概念的时候，以为“最近”，"最少"都是修饰使用的(从中文解释中可以看出)，不过这种理解是错误的。最近是修饰最少的，故应该理解为：最近这段时间最少访问的，最少使用。

这样理解是不是更清晰一些呢？这样我们得出两个结论

1、LRU这种算法是会将近期最少使用的数据淘汰掉。

2、LRU淘汰算法似乎是将最近次数上使用最少的数据淘汰。

其实不然，或者说理解的不确切，更准确地说：LRU算法是将近期最不会访问的数据淘汰掉(请注意1和2的不同，1处注重了次数上的比较，2处却没有这层意义)。

它的核心思想是"如果数据最近被访问过，那么将来被访问的概率也很高"。反过来说："如果数据最近这段时间一直都没有访问，那么将来被访问的概率也会很低"。

我知道这两句都是伪命题，就好像说一个人最近一直倒霉，那么他一辈子都会倒霉。不过LRU就是基于这种思想来的，如果一个指导思想本身就有很多问题，那么在指导现实行为时就更加荒唐了(似乎有点形而上学的意味了...)。

因此，我们在这里可以说：LRU是荒唐的，是简单粗暴的，是片面的。打住，似乎变成了LRU的批斗会了。

那么LRU就一无是处了?

不是的，LRU算法的优点在于简单，而且也可以解决一些实际问题。只不过没那么精确而已，很多时候LRU算法也会有不少冤假错案。本来不该剔除的数据就白白的牺牲掉了，但是我们还是要正视LRU的优点。

下面就讲解LRU的算法实现。

2.原理

我画了一个LRU淘汰算法的过程图：

下面简单讲解一下LRU实现原理(需要在这里说明一下：LRU一般采用链表方式实现，便于快速移动数据位置，虽然图中使用似乎是数组方式)：

一开始缓存池是空的，缓存池中插入数据时不用担心容量不足的事情。因此这个过程就是类似队列的FIFO(但不止这些)。

在第5步将E插入到缓存池中后，缓存池已经满了(当然实际应用中不会让它到达缓存池的尺寸，一般到70%左右就要考虑淘汰机制了)。

当第6步将E插入缓存池的时候，发现缓存池已经满了，LRU会将最早加入到缓存池的数据淘汰掉(A，实在不好意思啊);

第7步，从缓存池中访问C，C被访问，从时间点上是最近最近访问的，将C移动到链表的头部(C侥幸暂时远离被淘汰的边缘);

第8步，将G插入缓存池中，G处于链表头部（B不幸被淘汰）。

大致的过程就是这样，关于淘汰机制只是后面的三步中会用到。画出前面六步的过程只是说明LRU插入元素的方式。在这个图中，我想大家应该可以明白为什么使用链表，而不使用数组(链表的插入和删除的时间复杂度都是O(1))。

3.优劣分析

命中率

命中率较高，不过偶发性的情况对LRU的命中影响很大，同时也会引入很多数据污染(比如很长时间只访问一次的数据，在后期的文章中会涉及到这一话题，会有改进的方案)。

复杂度

实现起来较为简单。

存储成本

几乎没有空间上浪费。

缺陷

仅仅从最近使用时间上考虑淘汰算法，没有考虑缓存单元的使用频率，可能会淘汰一些仍有价值的单元。

4.实现

暂时略，以后会采用伪代码和java语言的方式做简单的实现。

最后，如有哪里不正确的地方，请多多指教！