LRU（最近最少使用）算法
一、什么是LRU？
LRU（Least Recently Used），最近最少使用。
是一种【内存管理】算法。
LRU算法基于一种假设：
长期不被使用的数据，在未来被用到的几率也不大。因此，当数据所占内存达到一定阈值时，移除掉最近最少使用数据。
LRU算法使用了一种有趣的数据结构，叫做【哈希链表】
二、什么是【哈希链表】呢?
1）【哈希表】是由若干个【Key-Value】所组成的。
在“逻辑”上，这些Key-Value是无所谓排列顺序的，谁先谁后都一样。
2） 【哈希链表】当中，这些【Key-Value】不再是彼此无关的存在，而是被一个链条串起来了。
每一个Key-Value都具有它的前驱Key-Value、后继Key-Value，就像双向链表中的节点一样。
这样一来，原本无序的哈希表拥有了固定的排列顺序。
三、哈希链表和LRU算法有什么关系呢？
1、依靠哈希链表的【有序性】，可以把Key-Value按照【最后的使用时间】来【排序】
让我们以用户信息的需求为例，来演示一下LRU算法的基本思路：
1.假设我们使用哈希链表来缓存用户信息，目前缓存了4个用户，这4个用户是按照时间顺序依次从链表右端插入的。
2.此时，业务方访问用户5，由于哈希链表中没有用户5的数据，我们从数据库中读取出来，插入到缓存当中。
这时候，链表中最右端是最新访问到的用户5，最左端是最近最少访问的用户1。
3.接下来，业务方访问用户2，哈希链表中存在用户2的数据，我们怎么做呢？
我们把用户2从它的前驱节点和后继节点之间移除，重新插入到链表最右端。
这时候，链表中最右端变成了最新访问到的用户2，最左端仍然是最近最少访问的用户1。
4. 接下来，业务方请求修改用户4的信息。
同样道理，我们把用户4从原来的位置移动到链表最右侧，并把用户信息的值更新。
这时候，链表中最右端是最新访问到的用户4，最左端仍然是最近最少访问的用户1。
5 后来业务方换口味了，访问用户6，用户6在缓存里没有，需要插入到哈希链表。
假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，那么位于哈希链表最左端的用户1就会被删除掉，然后再把用户6插入到 最右端。
以上，就是LRU算法的基本思路。
Java中的LinkedHashMap已经对【哈希链表】做了很好的实现。
private Node head;
private Node end;
//缓存存储上限
private int limit;
private HashMap hashMap;
public LRUCache(int limit) {
this.limit = limit;
hashMap = new HashMap();
}
public String get(String key) {
Node node = hashMap.get(key);
if (node == null){
return null;
}
refreshNode(node);
return node.value;
}
public void put(String key, String value) {
Node node = hashMap.get(key);
if (node == null) {
//如果key不存在，插入key-value
if (hashMap.size() >= limit) {
String oldKey = removeNode(head);
hashMap.remove(oldKey);
}
node = new Node(key, value);
addNode(node);
hashMap.put(key, node);
}else {
//如果key存在，刷新key-value
node.value = value;
refreshNode(node);
}
}
public void remove(String key) {
Node node = hashMap.get(key);
removeNode(node);
hashMap.remove(key);
}
/**
* 刷新被访问的节点位置
* @param node 被访问的节点
*/
private void refreshNode(Node node) {
//如果访问的是尾节点，无需移动节点
if (node == end) {
return;
}
//移除节点
removeNode(node);
//重新插入节点
addNode(node);
}
/**
* 删除节点
* @param node 要删除的节点
*/
private String removeNode(Node node) {
if (node == end) {
//移除尾节点
end = end.pre;
}else if(node == head){
//移除头节点
head = head.next;
} else {
//移除中间节点
node.pre.next = node.next;
node.next.pre = node.pre;
}
return node.key;
}
/**
* 尾部插入节点
* @param node 要插入的节点
*/
private void addNode(Node node) {
if(end != null) {
end.next = node;
node.pre = end;
node.next = null;
}
end = node;
if(head == null){
head = node;
}
}
class Node {
Node(String key, String value){
this.key = key;
this.value = value;
}
public Node pre;
public Node next;
public String key;
public String value;
}
public static void main(String[] args) {
LRUCache lruCache = new LRUCache(5);
lruCache.put("001", "用户1信息");
lruCache.put("002", "用户1信息");
lruCache.put("003", "用户1信息");
lruCache.put("004", "用户1信息");
lruCache.put("005", "用户1信息");
lruCache.get("002");
lruCache.put("004", "用户2信息更新");
lruCache.put("006", "用户6信息");
System.out.println(lruCache.get("001"));
System.out.println(lruCache.get("006"));
}
需要注意的是，这段不是线程安全的，要想做到线程安全，需要加上synchronized修饰符。
对于用户系统的需求，也可以使用【缓存数据库Redis】实现，Redis底层也实现了类似于LRU的回收算法。