LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。
LRU算法的表现
- 新数据插入到容器头部；
- 每当缓存命中（即缓存数据被访问），则将数据移到容器头部；
- 当容器满的时候，将容器尾部的数据丢弃。
实现LRU的方法
- 用一个数组来存储数据，给每一个数据项标记一个访问时间戳，每次插入新数据项的时候，先把数组中所有的数据项的时间戳自增，并将新数据项的时间戳置为0并插入到数组中。每次访问数组中的数据项的时候，将被访问的数据项的时间戳置为0。当数组空间已满时，将时间戳最大的数据项淘汰。
- 利用一个链表来实现，每次新插入数据的时候将新数据插到链表的头部；每次缓存命中（即数据被访问），则将数据移到链表头部；那么当链表满的时候，就将链表尾部的数据丢弃。
- 利用链表和HashMap。当需要插入新的数据项的时候，如果新数据项在链表中存在（一般称为命中），则把该节点移到链表头部，如果不存在，则新建一个节点，放到链表头部，若缓存满了，则把链表最后一个节点删除即可。在访问数据的时候，如果数据项在链表中存在，则把该节点移到链表头部，否则返回-1。这样一来在链表尾部的节点就是最近最久未访问的数据项。HashMap提供快速定位功能，具体可以参见下文。
比较三种方法优劣：
对于第一种方法，需要不停地维护数据项的访问时间戳，另外，在插入数据、删除数据以及访问数据时，时间复杂度都是O(n)。对于第二种方法，链表在定位数据的时候时间复杂度为O(n)。所以在一般使用第三种方式来是实现LRU算法。
LinkedHashMap的实现方案
LinkedHashMap继承于HashMap，来一张LinkedHashMap的结构图
LinkedHashMap的结构图
其中next是用于维护HashMap指定table位置上连接的Entry的顺序的，before、after是用于维护Entry插入的先后顺序的
LinkedHashMap底层就是用的HashMap加双链表实现的。实现LRU算法主要有两个注意的地方：
-
LinkedHashMap本身已经实现了按照访问顺序的存储。LinkedHashMap的构造函数中有一个accessOrder参数，平时使用LinkedHashMap一般该值为false。不过在LRU算法实现中我们要设置该参数为true，当构造函数中为true时，我们每次调用get方法时都会调用该方法，将我们访问的Node移动到最后，使之成为尾部节点，从而改变了数据在LinkedHashMap中的存储顺序。
-
LinkedHashMap中本身就实现了一个方法removeEldestEntry用于判断是否需要移除最不常读取的数，方法默认是直接返回false，不会移除元素，所以需要重写该方法。即当缓存满后就移除最不常用的数。
所以使用LinkedHashMap很简单的实现了LRU算法，代码如下。另外如果生产中使用的话，一定要记得线程安全加锁。
class LRULinkedHashMap<K,V> extends LinkedHashMap<K,V> {
// 定义缓存的容量
private int capacity;
// 带参数的构造器
LRULinkedHashMap(int capacity){
// 第三个参数为accessOrder
super(16,0.75f,true);
// 传入指定的缓存最大容量
this.capacity=capacity;
}
// 实现LRU的关键方法，如果map里面的元素个数大于了缓存最大容量，则删除链表的顶端元素
@Override
public boolean removeEldestEntry(Map.Entry<K, V> eldest){
return size()>capacity;
}
}
哎呀，如果我的名片丢了。微信搜索“全菜工程师小辉”，依然可以找到我
网友评论