LRU es el algoritmo de reemplazo de caché que elimina los datos usados menos recientemente y almacena los datos nuevos. Supongamos que tenemos un espacio de caché de 10 marcos de memoria. Y cada cuadro se llena con un archivo. Ahora, si queremos almacenar el nuevo archivo, debemos eliminar el archivo más antiguo de la memoria caché y agregar el nuevo archivo. Así es como funciona LRU.
La memoria caché LRU consta de estructuras de datos de cola y diccionario.
- Cola: para almacenar desde los archivos usados más recientemente hasta los menos usados
- Tabla hash: para almacenar el archivo y su posición en el caché
Consulte los siguientes artículos para obtener más información sobre el tema:
¿Qué es decorador?
Un decorador es una función que toma una función como su único parámetro y devuelve una función. Esto es útil para «envolver» la funcionalidad con el mismo código una y otra vez.
Nota: Para obtener más información, consulte Decoradores en Python .
Ahora, después de obtener la idea básica sobre LRU y los decoradores en Python, echemos un vistazo a la implementación del decorador de caché LRU en Python.
Python3
from collections import deque
# LRU cache implementation
class LRUCache:
def __init__(self, size=5):
self.size = size
self.container = deque()
self.map = dict()
def reallocate(self):
# to reallocate the hashmap for
# every access of file access file
# will reallocate the data in hashmap
# according to the numbers position
# in the container for every access,
# hit and miss(evict)
if len(self.container) > 1:
for key, val in enumerate(self.container):
self.map[val] = key
def access(self, val):
# print("access "+str(val))
self.container.remove(val)
self.container.appendleft(val)
self.reallocate()
def evict(self, val):
# print("cache miss "+str(val))
if val in self.map:
#del self.map[val]
self.container.remove(val)
else:
x = self.container.pop()
del self.map[x]
self.normal_insert(val)
def normal_insert(self, val):
self.container.appendleft(val)
self.reallocate()
def insert(self, val):
if val in self.map.keys():
# if value in present in
# the hashmap then it is a hit.
# access function will access the
# number already present and replace
# it to leftmost position
self.access(val)
else:
# if value is not present in
# the hashtable
if (len(self.map.keys()) == self.size):
# if the size of the queue
# is equal to capacity and
# we try to insert the number,
# then it is a miss then,
# evict function will delete the
# right most elements and insert
# the latest element in the
# leftmost position
self.evict(val)
else:
# normal_insert function will normally
# insert the data into the cache..
self.normal_insert(val)
def print(self):
lru_elements = [x for x in self.container]
print(lru_elements)
# definition of lru decorator
def LRUDecorator(size):
lru = LRUCache(size)
def decorator(function):
def functionality(num):
lru.insert(num)
lru.print()
# to check the num pageframe(position)
# uncomment the below statement
# print(lur.map)
print(num, function(num))
return functionality
return decorator
# Using LRU Decorator
@LRUDecorator(size=4)
def ex_func_01(n):
print(f'Computing...{n}')
time.sleep(1)
return n
print(f'\nFunction: ex_func_01')
print(ex_func_01(1))
print(ex_func_01(2))
print(ex_func_01(3))
print(ex_func_01(4))
print(ex_func_01(1))
print(ex_func_01(2))
print(ex_func_01(5))
print(ex_func_01(1))
print(ex_func_01(2))
print(ex_func_01(3))
print(ex_func_01(4))
print(ex_func_01(5))
Producción:
Function: ex_func_01 [1] Computing...1 1 1 None [2, 1] Computing...2 2 2 None [3, 2, 1] Computing...3 3 3 None [4, 3, 2, 1] Computing...4 4 4 None [1, 4, 3, 2] Computing...1 1 1 None [2, 1, 4, 3] Computing...2 2 2 None [5, 2, 1, 4] Computing...5 5 5 None [1, 5, 2, 4] Computing...1 1 1 None [2, 1, 5, 4] Computing...2 2 2 None [3, 2, 1, 5] Computing...3 3 3 None [4, 3, 2, 1] Computing...4 4 4 None [5, 4, 3, 2] Computing...5 5 5 None
Publicación traducida automáticamente
Artículo escrito por krishna krish y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA