一篇带你了解什么是 LFU 算法？

发布时间：2025-11-05 07:30:15 来源：创站工坊 作者：IT科技

上次的篇带文章介绍了 LRU 算法，今天打算来介绍一下 LFU 算法。篇带在上篇文章中有提到，篇带 LFU(Least frequently used：最少使用)算法与 LRU 算法只是篇带在淘汰策略上有所不同，LRU 倾向于保留最近有使用的篇带数据，而 LFU 倾向于保留使用频率较高的篇带数据。

举一个简单的篇带：缓存中有 A、B 两个数据，篇带且已达到上限，篇带如果 数据 A 先被访问了 10 次，篇带然后 数据 B 被访问 1 次，篇带当存入新的篇带 数据 C 时，如果当前是篇带 LRU 算法，会将 数据 A 淘汰，篇带而如果是篇带 LFU 算法，则会淘汰 数据 B。

简单来说，就是在 LRU 算法中，不管访问的频率，只要最近访问过，就不会将这个数据淘汰，而在 LFU 算法中，将访问的云南idc服务商频率作为权重，只要访问频率越高，该数据就越不会被淘汰，即使该数据很久没有被访问过。

我们还是通过一段 JavaScript 代码来实现这个逻辑。

class LFUCache {

freqs = {} // 用于标记访问频率

cache = {} // 用于缓存所有数据

capacity = 0 // 缓存的最大容量

constructor (capacity) {

// 存储 LFU 可缓存的最大容量

this.capacity = capacity

}

与 LRU 算法一样，LFU 算法也需要实现 get 与 put 两个方法，用于获取缓存和设置缓存。

class LFUCache {

// 获取缓存

get (key) { }

// 设置缓存

put (key, value) { }

老规矩，先看设置缓存的部分。如果该缓存的 key 之前存在，需要更新其值。

class LFUCache {

// cache 作为缓存的存储对象

// 其解构为: { key: { freq: 0, value: } }

// freq 表示该数据读取的频率；

// value 表示缓存的数据；

cache = {}

// fregs 用于存储缓存数据的频率

// 其解构为: { 0: [a], 1: [b, c], 2: [d] }

// 表示 a 还没被读取，b/c 各被读取1次，d被读取2次

freqs = {}

// 设置缓存

put (key, value) {

// 先判断缓存是否存在

const cache = this.cache[key]

if (cache) {

// 如果存在，则重置缓存的值

cache.value = value

// 更新使用频率

let { freq } = cache

// 从 freqs 中获取对应 key 的数组

const keys = this.freqs[freq]

const index = keys.indexOf(key)

// 从频率数组中，删除对应的 key

keys.splice(index, 1)

if (keys.length === 0) {

// 如果当前频率已经不存在 key

// 将 key 删除

delete this.freqs[freq]

}

// 更新频率加 1

freq = (cache.freq += 1)

// 更新频率数组

const freqMap =

this.freqs[freq] ||

(this.freqs[freq] = [])

freqMap.push(key)

return

}

}

如果该缓存不存在，要先判断缓存是否超过容量，WordPress模板如果超过，需要淘汰掉使用频率最低的数据。

class LFUCache {

// 更新频率

active (key, cache) {

// 更新使用频率

let { freq } = cache

// 从 freqs 中获取对应 key 的数组

const keys = this.freqs[freq]

const index = keys.indexOf(key)

// 从频率数组中，删除对应的 key

keys.splice(index, 1)

if (keys.length === 0) {

// 如果当前频率已经不存在 key

// 将 key 删除

delete this.freqs[freq]

}

// 更新频率加 1

freq = (cache.freq += 1)

// 更新读取频率数组

const freqMap = this.freqs[freq] || (this.freqs[freq] = [])

freqMap.push(key)

}

// 设置缓存

put (key, value) {

// 先判断缓存是否存在

const cache = this.cache[key]

if (cache) {

// 如果存在，则重置缓存的值

cache.value = value

this.active(key, cache)

return

}

// 判断缓存是否超过容量

const list = Object.keys(this.cache)

if (list.length >= this.capacity) {

// 超过存储大小，删除访问频率最低的数据

const [first] = Object.keys(this.freqs)

const keys = this.freqs[first]

const latest = keys.shift()

delete this.cache[latest]

if (keys.length === 0) delete this.freqs[latest]

}

// 写入缓存，默认频率为0，表示还未使用过

this.cache[key] = { value, freq: 0 }

// 写入读取频率数组

const freqMap = this.freqs[0] || (this.freqs[0] = [])

freqMap.push(key)

}

实现了设置缓存的方法后，再实现获取缓存就很容易了。

class LRUCache {

// 获取数据

get (key) {

if (this.cache[key] !== undefined) {

// 如果 key 对应的缓存存在，更新其读取频率

// 之前已经实现过，可以直接复用

this.active(key)

return this.cache[key]

}

return undefined

}

关于 LFU 缓存算法实现就到这里了，当然该算法一般使用双链表的形式来实现，这里的实现方式，只是为了方便理解其原理，感兴趣的话可以在网上搜索下更加高效的实现方式。

相关文章