LazyGophers Utils
  • 繁體中文

      • LRU (Least Recently Used) 緩存

      LRU 是最常用的緩存淘汰策略，當達到容量時淘汰最近最少使用的項目。

      概述

      LRU（Least Recently Used）基於時間局部性原理，假設最近訪問的數據很可能再次被訪問。當緩存滿時，淘汰最久未使用的數據。

      特性

      • 命中率: 85%
      • 內存佔用: 低
      • 並發性能: 中等
      • 實現複雜度: 簡單

      使用場景

      • 通用緩存
      • 頻繁訪問的數據
      • 可預測的訪問模式
      • Web 應用緩存
      • 數據庫查詢緩存

      快速開始

      安裝

      go get github.com/lazygophers/utils/cache/lru

      基本使用

      package main

import (
    "fmt"
    "github.com/lazygophers/utils/cache/lru"
)

func main() {
    // 創建容量為 1000 的緩存
    cache := lru.New(1000)

    // 設置值
    cache.Set("key1", "value1")
    cache.Set("key2", "value2")

    // 獲取值
    if value, ok := cache.Get("key1"); ok {
        fmt.Println("Found:", value)
    }

    // 刪除值
    cache.Delete("key1")

    // 清空緩存
    cache.Clear()
}

      高級使用

      // 帶過期時間的緩存
cache.SetWithTTL("key", "value", time.Minute*5)

// 批量操作
cache.SetMany(map[string]interface{}{
    "key1": "value1",
    "key2": "value2",
})

values := cache.GetMany([]string{"key1", "key2"})

// 獲取緩存統計
stats := cache.Stats()
fmt.Printf("Size: %d\n", stats.Size)
fmt.Printf("Hits: %d\n", stats.Hits)
fmt.Printf("Misses: %d\n", stats.Misses)
fmt.Printf("Hit Rate: %.2f%%\n", stats.HitRate())

      API 參考

      構造函數

      // 創建新的 LRU 緩存
func New(capacity int) *LRU

// 創建帶選項的 LRU 緩存
func NewWithOpts(opts Options) *LRU

      主要方法

      // 設置鍵值對
func (c *LRU) Set(key string, value interface{})

// 設置鍵值對，帶過期時間
func (c *LRU) SetWithTTL(key string, value interface{}, ttl time.Duration)

// 獲取值
func (c *LRU) Get(key string) (interface{}, bool)

// 刪除鍵
func (c *LRU) Delete(key string)

// 清空緩存
func (c *LRU) Clear()

// 獲取統計信息
func (c *LRU) Stats() Stats

      性能特點

      • 時間複雜度:
        • Set: O(1)
        • Get: O(1)
        • Delete: O(1)
      • 空間複雜度: O(n)，其中 n 是緩存容量

      最佳實踐

      1. 選擇合適的緩存大小: 根據可用內存和訪問模式調整
      2. 監控命中率: 定期檢查命中率，低於 50% 時考慮調整
      3. 使用過期時間: 對於時效性數據，使用 SetWithTTL
      4. 批量操作: 對於大量數據，使用 SetMany 和 GetMany 提高性能

      相關文檔