1 什么是LRU

LRU(Least recently used)最近最少使用，它的核心思想是“如果數據最近被訪問過，那么將來被訪問的幾率也更高”。因此 LRU 算法會根據數據的歷史訪問記錄來進行排序，如果空間不足，就會淘汰掉最近最少使用的數據。

2 LRU 實現原理

由于 LRU 算法會將最近使用的數據優先級上升，因此需要數據結構支持排序，鏈表非常合適。

為什么不考慮數組呢?

由于 LRU 算法，一般都會應用在訪問比較頻繁的場景，因此，對數據的移動會頻繁，而數組一旦移動，需要將移動到值的位置后面的所有數據的位置全部改變，效率比較低，不推薦使用。

3 雙向鏈表之LinkedHashMap

前面我們分析到 LRU 的算法實現，可以使用鏈表實現，java 中 LinkedHashMap 就是一個雙向鏈表。

LinkedHashMap是HashMap的子類，在HashMap數據結構的基礎上，還維護著一個雙向鏈表鏈接所有entry，這個鏈表定義了迭代順序，通常是數據插入的順序。

我們來看看LinkedHashMap的源碼：

從源碼中的定義可以看到，accessOrder 屬性可以指定遍歷 LinkedHashMap 的順序，true 表示按照訪問順序，false 表示按照插入順序，默認為 false。

由于LRU對訪問順序敏感，因此使用true來簡單驗證一下：

public class LRUTest { 
    public static void main(String[] args) { 
        LinkedHashMap<String, Object> map = new LinkedHashMap<>(16, 0.75f, true); 
        map.put("a", 1); 
        map.put("b", 2); 
        map.put("c", 3); 
        System.out.println("before get " + map); 
        map.get("a"); 
        System.out.println("after get" + map); 
    }} 

運行結果如下：

before get {a=1, b=2, c=3} 
after get{b=2, c=3, a=1} 

可以看到通過 accessOrder = true，可以讓 LinkedHashMap 按照訪問順序進行排序。

那么 LinkedHashMap 是怎么做的呢?

我們看下get方法

public V get(Object key) { 
    Node<K,V> e; 
    // 獲取node 
    if ((e = getNode(hash(key), key)) == null) 
        return null; 
    // 如果 accessOrder = true，則執行afterNodeAccess方法 
    if (accessOrder) 
        afterNodeAccess(e); 
    return e.value; 
} 

再看下afterNodeAccess方法，發現進行移動節點，到此移動節點的原理我們了解了

void afterNodeAccess(Node<K,V> e) { // move node to last 
   LinkedHashMap.Entry<K,V> last; 
   if (accessOrder && (last = tail) != e) { 
       LinkedHashMap.Entry<K,V> p =            (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;        p.after = null;        if (b == null) 
           head = a;        else 
           b.after = a;        if (a != null) 
           a.before = b;        else 
           last = b; 
       if (last == null) 
           head = p;        else { 
           p.before = last; 
           last.after = p;        }        tail = p;        ++modCount;    }} 

目前，如果使用 LinkedHashMap 做LRU，還有一個問題困擾著我們，就是如果容量有限，該如何淘汰舊數據?

我們回過頭看看 put 方法

public V put(K key, V value) { 
    return putVal(hash(key), key, value, false, true); 
} 
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { 
    Node<K,V>[] tab; Node<K,V> p; int n, i; 
    if ((tab = table) == null || (n = tab.length) == 0) 
        n = (tab = resize()).length; 
    if ((p = tab[i = (n - 1) & hash]) == null) 
        tab[i] = newNode(hash, key, value, null); 
    else { 
        Node<K,V> e; K k; 
        if (p.hash == hash && 
            ((k = p.key) == key || (key != null && key.equals(k)))) 
            e = p; 
        else if (p instanceof TreeNode) 
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); 
        else { 
            for (int binCount = 0; ; ++binCount) { 
                if ((e = p.next) == null) { 
                    p.next = newNode(hash, key, value, null); 
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 
                        treeifyBin(tab, hash); 
                    break; 
                } 
                if (e.hash == hash && 
                    ((k = e.key) == key || (key != null && key.equals(k)))) 
                    break; 
                p = e; 
            } 
        } 
        if (e != null) { // existing mapping for key 
            V oldValue = e.value; 
            if (!onlyIfAbsent || oldValue == null) 
                e.value = value; 
            afterNodeAccess(e); 
            return oldValue; 
        } 
    } 
    ++modCount; 
    if (++size > threshold) 
        resize(); 
    afterNodeInsertion(evict); 
    return null; 
} 
void afterNodeInsertion(boolean evict) { // possibly remove eldest 
    LinkedHashMap.Entry<K,V> first; 
    if (evict && (first = head) != null && removeEldestEntry(first)) { 
        K key = first.key; 
        removeNode(hash(key), key, null, false, true); 
    } 
} 

從put方法中逐步看下來，最終我們發現，如果 removeEldestEntry(first) 方法返回true，則會移除 head，這樣就淘汰了最近都沒使用的數據。完全符合LRU。

4 最簡單的LRU實現

根據上面分析，我們可以如下實現一個最簡單的LRU

public class LRUCache<K,V> extends LinkedHashMap<K,V> { 
      private int cacheSize; 
    public LRUCache(int cacheSize) { 
      // 注意：此處需要讓 accessOrder = true 
      super(cacheSize, 0.75f, true); 
      this.cacheSize = cacheSize; 
  } 
  /** 
   * 判斷元素個數是否超過緩存的容量，超過需要移除 
   */ 
  @Override 
  protected boolean removeEldestEntry(Map.Entry<K, V> eldest) { 
      return size() > cacheSize; 
  } 
}