手写最简单的LRU算法

1 什么是手写U算LRU

LRU(Least recently used)最近最少使用，它的最简核心思想是“如果数据最近被访问过，那么将来被访问的手写U算几率也更高”。因此 LRU 算法会根据数据的最简历史访问记录来进行排序，如果空间不足，手写U算就会淘汰掉最近最少使用的最简数据。

2 LRU 实现原理

由于 LRU 算法会将最近使用的手写U算数据优先级上升，因此需要数据结构支持排序，最简链表非常合适。手写U算

为什么不考虑数组呢?最简

由于 LRU 算法，一般都会应用在访问比较频繁的手写U算场景，因此，最简对数据的手写U算移动会频繁，而数组一旦移动，最简需要将移动到值的手写U算位置后面的所有数据的位置全部改变，云服务器效率比较低，不推荐使用。

3 双向链表之LinkedHashMap

前面我们分析到 LRU 的算法实现，可以使用链表实现，java 中 LinkedHashMap 就是一个双向链表。

LinkedHashMap是HashMap的子类，在HashMap数据结构的基础上，还维护着一个双向链表链接所有entry，这个链表定义了迭代顺序，通常是数据插入的顺序。

我们来看看LinkedHashMap的源码：

从源码中的定义可以看到，accessOrder 属性可以指定遍历 LinkedHashMap 的顺序，true 表示按照访问顺序，false 表示按照插入顺序，默认为 false。

由于LRU对访问顺序敏感，站群服务器因此使用true来简单验证一下：

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);     }} 

运行结果如下：

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

可以看到通过 accessOrder = true，可以让 LinkedHashMap 按照访问顺序进行排序。

那么 LinkedHashMap 是怎么做的呢?

我们看下get方法

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

再看下afterNodeAccess方法，发现进行移动节点，到此移动节点的原理我们了解了

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，还有一个问题困扰着我们，就是如果容量有限，该如何淘汰旧数据?

我们回过头看看 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);     } } 

从put方法中逐步看下来，最终我们发现，如果 removeEldestEntry(first) 方法返回true，则会移除 head，这样就淘汰了最近都没使用的数据。完全符合LRU。

4 最简单的LRU实现

根据上面分析，我们可以如下实现一个最简单的LRU

public class LRUCache<K,V> extends LinkedHashMap<K,V> {        private int cacheSize;     public LRUCache(int cacheSize) {        // 注意：此处需要让 accessOrder = true       super(cacheSize, 0.75f, true);       this.cacheSize = cacheSize;   }   /**    * 判断元素个数是否超过缓存的容量，源码库超过需要移除    */   @Override   protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {        return size() > cacheSize;   } } 

很赞哦!（4）