上次的文章介绍了 LRU 算法，今天打算来介绍一下 LFU 算法。在上篇文章中有提到， LFU(Least frequently used：最少使用)算法与 LRU 算法只是在淘汰策略上有所不同，LRU 倾向于保留最近有使用的数据，而 LFU 倾向于保留使用频率较高的数据。
举一个简单的：缓存中有 A、B 两个数据，且已达到上限，如果 数据 A 先被访问了 10 次，然后 数据 B 被访问 1 次，当存入新的 数据 C 时，如果当前是 LRU 算法，会将 数据 A 淘汰，而如果是 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。
算法实现
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，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。
