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(shù)據(jù)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(jù)數(shù)據(jù)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(shù)據(jù)。
2 LRU 實現(xiàn)原理
由于 LRU 算法會將最近使用的數(shù)據(jù)優(yōu)先級上升，因此需要數(shù)據(jù)結(jié)構(gòu)支持排序，鏈表非常合適。
為什么不考慮數(shù)組呢？
由于 LRU 算法，一般都會應(yīng)用在訪問比較頻繁的場景，因此，對數(shù)據(jù)的移動會頻繁，而數(shù)組一旦移動，需要將移動到值的位置后面的所有數(shù)據(jù)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(xiàn)，可以使用鏈表實現(xiàn)，JAVA 中 LinkedHashMap 就是一個雙向鏈表。
LinkedHashMap是HashMap的子類，在HashMap數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)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(shù)據(jù)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(jié)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(zhí)行afterNodeAccess方法
if (accessOrder)
afterNodeAccess(e);
return e.value;
}
再看下afterNodeAccess方法，發(fā)現(xiàn)進行移動節(jié)點，到此移動節(jié)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(shù)據(jù)？
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(fā)現(xiàn)，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(shù)據(jù)。完全符合LRU。
4 最簡單的LRU實現(xiàn)
根據(jù)上面分析，我們可以如下實現(xiàn)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(shù)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;
}
}
