前言
LRU 是 Least Recently Used 的简写，字面意思则是最近最少使用。
通常用于缓存的淘汰策略实现，由于缓存的内存非常宝贵，所以需要根据某种规则来剔除数据保证内存不被占满。
在redis的数据淘汰策略中就包含LRU淘汰算法
如何实现一个完整的LRU缓存呢？这个缓存要满足：
- 这个缓存要记录使用的顺序
- 随着缓存的使用变化，要能更新缓存的顺序
基于这种特点，可以使用一个常用的数据结构：链表
- 每次加入新的缓存时都添加到链表的
头节点 - 当缓存再次被使用时移动缓存到
头节点 - 当添加的缓存超过能够缓存的最大时，删除链表
尾节点的元素
单链表和双向链表的选择
单链表的方向只有一个，节点中有一个next指针指向后继节点。而双链表有两个指针，可以支持两个方向，每个节点不止有一个next指针，还有一个prev指针指向前驱节点
双向链表需要额外的两个空间来存放前驱节点的指针prev和后继节点指针next,所以，存储相同大小的数据，双向链表需要更多的空间。虽然相比单向链表，双向链表的每个节点多个一个指针空间，但是这样的结构带来了更多的灵活性，在某些场景下非常适合使用这样的数据结构。删除和添加节点操作，双向链表的时间复杂度为O(1)
在单向链表中，删除和添加节点的时间复杂度已经是O(1)了，双向链表还能比单向链表更加高效吗？
先来看看删除操作：
在删除操作中有两种情况：
- 删除给定值的节点
- 删除给定指针的节点
对于第一种情况，无论是删除给定值或者是给定的指针都需要从链表头开始依此遍历，直到找到所要删除的值
尽管删除这个操作的时间复杂度为O(1)，但是删除的时间消耗主要是遍历节点，对应的时间复杂度为O(n),所以总的时间复杂度为O(n)。
对于第二种情况，已经给定了要删除的节点，如果使用单向链表，还得从链表头部开始遍历，直到找到待删除节点的前驱节点。但是对于双向链表来所，这就很有优势了，双向链表的待删除节点种包含了前驱节点，删除操作只需要O(1)的时间复杂度
同理对于添加操作：
我们如果想要在指定的节点前面或者后面插入一个元素，双向了链表就有很大的优势，他可以在O(1)的时间复杂度搞定，而单向链表还需要从头遍历。
所以，虽然双向链表比单向链表需要更多的存储空间，但是双向链表的应用更加广泛，JDK种LinkedHashMap这种数据结构就使用了双向链表
如何实现LRU缓存
单链表实现
下面我们基于单链表给出简单的代码实现：
package com.ranger.lru;
import java.util.HashMap;
import java.util.Map;
/**
*
* @author ranger
* LRU缓存
*
*/
public class LRUMap<K,V> {
/**
* 定义链表节点
* @author ranger
*
* @param <K>
* @param <V>
*/
private class Node<K, V> {
private K key;
private V value;
Node<K, V> next;
public Node(K key, V value) {
this.key = key;
this.value = value;
}
public Node() {
}
}
/**
* 缓存最大值
*/
private int capacity;
/**
* 当前缓存数量
*/
private int size;
/**
* 缓存链表头节点
*/
private Node<K,V> head;
/**
* 缓存链表尾节点
*/
private Node<K,V> tail;
/**
* 定义带参构造函数,构造一个为空的双向链表
* @param capacity 缓存最大容量
*/
public LRUMap(int capacity) {
this.capacity = capacity;
head = null;
tail = null;
size = 0;
}
/**
* 无参构造函数，初始化容量为16
*/
public LRUMap() {
this(16);
}
/**
* 向双向链表中添加节点
* @param key
* @param value
*/
public void put(K key,V value) {
addNode(key,value);
}
/**
* 根据key获取缓存中的Value
* @param key
* @return
*/
public V get(K key) {
Node<K,V> retNode = getNode(key);
if(retNode != null) {
// 存在，插入头部
moveToHead(retNode);
return retNode.value;
}
// 不存在
return null;
}
/**
* 移动给定的节点到头节点
* @param node
*/
public void moveToHead(Node<K,V> node) {
// 如果待移动节点是最后一个节点
if(node == tail) {
Node prev = head;
while(prev.next != null && prev.next != node) {
prev = prev.next;
}
tail = prev;
node.next = head;
head = node;
prev.next = null;
}else if(node == head){ // 如果是头节点
return;
}else {
Node prev = head;
while(prev.next != null && prev.next != node) {
prev = prev.next;
}
prev.next = node.next;
node.next = head;
head = node;
}
}
/**
* 获取给定key的节点
* @param key
* @return
*/
private Node<K,V> getNode(K key){
if(isEmpty()) {
throw new IllegalArgumentException("list is empty,cannot get node from it");
}
Node<K,V> cur = head;
while(cur != null) {
if(cur.key.equals(key)) {
return cur;
}
cur = cur.next;
}
return null;
}
/**
* 添加到头节点
* @param key
* @param value
*/
private void addNode(K key,V value) {
Node<K,V> node = new Node<>(key,value);
// 如果容量满了，删除最后一个节点
if(size == capacity) {
delTail();
}
addHead(node);
}
/**
* 删除最后一个节点
*/
private void delTail() {
if(isEmpty()) {
throw new IllegalArgumentException("list is empty,cannot del from it");
}
// 只有一个元素
if(tail == head) {
tail = null;
head = tail;
}else {
Node<K,V> prev = head;
while(prev.next != null && prev.next != tail) {
prev = prev.next;
}
prev.next = null;
tail = prev;
}
size--;
}
/**
* 链表是否为空
* @return
*/
private boolean isEmpty() {
return size == 0;
}
/**
* 添加节点到头头部
* @param node
*/
private void addHead(Node node) {
// 如果链表为空
if(head == null) {
head = node;
tail = head;
}else {
node.next = head;
head = node;
}
size ++;
}
@Override
public String toString() {
StringBuilder sb = new StringBuilder();
Node<K,V> cur = head;
while(cur != null) {
sb.append(cur.key)
.append(":")
.append(cur.value);
if(cur.next != null) {
sb.append("->");
}
cur = cur.next;
}
return sb.toString();
}
/**
* 测试
* @param args
*/
public static void main(String[] args) {
LRUMap<String,String> lruMap = new LRUMap(3) ;
lruMap.put("1","tom") ;
lruMap.put("2","lisa") ;
lruMap.put("3","john") ;
System.out.println(lruMap.toString());
lruMap.put("4","july") ;
System.out.println(lruMap.toString());
lruMap.put("5","jack") ;
System.out.println(lruMap.toString());
String value = lruMap.get("3");
System.out.println(lruMap.toString());
System.out.println("the value is: "+value);
String value1 = lruMap.get("1");
System.out.println(value1);
System.out.println(lruMap.toString());
}
}
输出结果：
3:john->2:lisa->1:tom
4:july->3:john->2:lisa
5:jack->4:july->3:john
3:john->5:jack->4:july
the value is: john
null
3:john->5:jack->4:july
LinkedHashMap实现
了解LinkedHashMap的都知道，它是基于链表实现，其中还有一个 accessOrder 成员变量，默认是 false，默认按照插入顺序排序，为 true 时按照访问顺序排序，也可以调用 构造函数传入accessOrder
LinkedHashMap 的排序方式有两种：
- 根据写入顺序排序。
- 根据访问顺序排序。
其中根据访问顺序排序时，每次 get 都会将访问的值移动到链表末尾，这样重复操作就能的到一个按照访问顺序排序的链表
我们可以重写LinkedHashMap中的removeEldestEntry方法来决定在添加节点的时候是否需要删除最久未使用的节点
代码实现如下：
public class LRULinkedHashMap<K,V> {
/**
* 缓存map
*/
private LinkedHashMap<K,V> cacheMap;
/**
* 当前缓存数量
*/
private int size;
/**
* 构造一个cacheMap，并设置可以缓存的数量
* @param size
*/
public LRULinkedHashMap(int size) {
this.size = size;
cacheMap = new LinkedHashMap<K,V>(16,0.75F,true) {
@Override
// 重写方法，判断是否删除最久没使用的节点
protected boolean removeEldestEntry(Map.Entry eldest) {
if (size + 1 == cacheMap.size()){
return true ;
}else {
return false ;
}
}
};
}
/**
* 添加缓存
* @param key
* @param value
*/
public void put(K key,V value){
cacheMap.put(key,value) ;
}
/**
* 获取缓存
* @param key
* @return
*/
public V get(K key){
return cacheMap.get(key) ;
}
public String toString() {
StringBuilder sb = new StringBuilder();
Set<Entry<K, V>> entrySet = cacheMap.entrySet();
for (Entry<K,V> entry : entrySet) {
sb.append(entry.getKey())
.append(":")
.append(entry.getValue())
.append("<-");
}
return sb.toString();
}
public static void main(String[] args) {
LRULinkedHashMap<String,Integer> map = new LRULinkedHashMap(3) ;
map.put("1",1);
map.put("2",2);
map.put("3",3);
System.out.println(map);
map.put("4", 4);
System.out.println(map);
}
}