大家好，我是大明哥

个人网站：https://www.topjava.cn/

---

LRU，即 Least Recently Use ，直译为 “最近最少使用”。它是根据数据的历史访问记录来进行数据淘汰的，淘汰掉最先访问的数据，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会更加高。

要实现 LRU，需要做到两点：

• 查询出最近最晚使用的项
• 给最近使用的项做一个标记

实现的方案有多种，这里小编主要介绍两种：

1. LinkedHashMap
2. 双向链表 + HashMap

LinkedHashMap 实现

利用 LinkedHashMap 的原因就在于 LinkedHashMap 是有序的，默认情况下是按照元素的添加顺序存储的，也可以调整为根据访问顺序来调整内部顺序（设置参数 accessOrder 进行调整），即最近读取的数据放在最前面，我们就是利用 LinkedHashMap 的这个特性来实现 LRU。先来一个简单的例子吧：

    public static void main(String[] args){
    
        Map<String,String> map = new LinkedHashMap(10,0.75f,true);

        map.put("1","a");
        map.put("2","b");
        map.put("3","c");
        map.put("4","d");

        System.out.println("原始顺序为：");
        for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){
    
            System.out.print(it.next().getKey() + "    ");
        }
        System.out.println();

        map.get("2");

        System.out.println("访问 4 之后的顺序为：");
        for(Iterator<Map.Entry<String,String>> it = map.entrySet().iterator();it.hasNext();){
    
            System.out.print(it.next().getKey() + "    ");
        }
    }

运行结果：

原始顺序为：
1    2    3    4    
访问 4 之后的顺序为：
1    3    4    2  

更多关于 LinkedHashMap，请看这篇文章：图解集合6：LinkedHashMap

LinkedHashMap 实现 LRU 有两种方式，一种是继承 LinkedHashMap，一种是利用组合的方式，下面分别演示这两种情况。

继承 LinkedHashMap

采用继承的方式实现起来是非常简单的，因为 LinkedHashMap 本身就已经具备了 LRU 的特性，我们只需要实现一点：当容器中元素个数超过我们设定的容量后，删除第一个元素即可。同时由于 LinkedHashMap 本身不具备线程安全，我们需要确保他线程安全，这个也很简单，重写 LinkedHashMap 的 get() 和 put() 方法即可，或者使用 Collections.synchronizedMap() 方法也可以。实现如下：

public class LRUCacheLinkedHashMap<K,V> extends LinkedHashMap<K,V> {
    

    /**
     * 定一缓存容量
     */
    private int capacity;

    LRUCacheLinkedHashMap(int capacity){
    
        // AccessOrder = true
        super(capacity,0.75f,true);

        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
     *
     * @param eldest
     * @return
     */
    @Override
    public boolean removeEldestEntry(Map.Entry<K, V> eldest){
    
        System.out.println(eldest.getKey() + "=" + eldest.getValue());
        return size()>capacity;
    }

    @Override
    public synchronized V get(Object key) {
    
        return super.get(key);
    }

    @Override
    public synchronized V put(K key, V value) {
    
        return super.put(key, value);
    }
}

验证

   public static void main(String[] args){
    
        LRUCacheLinkedHashMap cache = new LRUCacheLinkedHashMap(5);

        cache.put("1","a");
        cache.put("2","b");
        cache.put("3","c");
        cache.put("4","d");
        cache.put("5","e");

        System.out.println("插入 5 个元素后的顺序");
        printlnCache(cache);

        // 插入第 6 个元素
        cache.put("6","e");

        System.out.println("插入第 6 个元素后的顺序");
        printlnCache(cache);

        // 访问 第 3 个元素
        cache.get("3");

        System.out.println("访问元素 3 后的顺序");
        printlnCache(cache);

    }

    private static void printlnCache(LRUCacheLinkedHashMap cacheMap){
    
        for(Iterator<Map.Entry<String,String>> it = cacheMap.entrySet().iterator(); it.hasNext();){
    
            System.out.print(it.next().getKey() + "    ");
        }
        System.out.println();
    }

运行结果：

插入 5 个元素后的顺序
1    2    3    4    5    
插入第 6 个元素后的顺序
2    3    4    5    6    
访问元素 3 后的顺序
2    4    5    6    3 

运行结果完全符合我们的预期

组合 LinkedHashMap

使用组合的方式可能会更加优雅些，但是由于没有实现 Map 接口，所以就不能使用 Collections.synchronizedMap() 方式来保证线程安全性了，所以需要在每个方法处增加 synchronized 来确保线程安全。实现方式如下：

public class LRUCache<K,V> {
    
    private int capacity;

    private Map<K,V> cacheMap;

    public LRUCache(int capacity){
    
        this.capacity = capacity;

        cacheMap = new LinkedHashMap<>(capacity,0.75f,true);
    }

    public synchronized void put(K k,V v){
    
        cacheMap.put(k,v);

        // 移除第一个元素
        if(cacheMap.size() > capacity){
    
            K first = this.keyIterator().next();

            cacheMap.remove(first);
        }
    }

    public synchronized V get(K k){
    
        return cacheMap.get(k);
    }

    public Iterator<K> keyIterator(){
    
        return cacheMap.keySet().iterator();
    }
}

验证：

    public static void main(String[] args) {
    
        LRUCache lruCache = new LRUCache(5);

        lruCache.put("1","a");
        lruCache.put("2","b");
        lruCache.put("3","c");
        lruCache.put("4","d");
        lruCache.put("5","e");

        System.out.println("插入 5 个元素后的顺序");
        println(lruCache);

        // 插入第 6 个元素
        lruCache.put("6","e");

        System.out.println("插入 第 6 个元素后的顺序");
        println(lruCache);

        // 访问 第 3 个元素
        lruCache.get("3");

        System.out.println("访问元素 3 后的顺序");
        println(lruCache);

    }

    private static void println(LRUCache lruCache){
    
        for(Iterator it = lruCache.keyIterator(); it.hasNext();){
    
            System.out.print(it.next() + "    ");
        }
        System.out.println();
    }

运行结果如下：

插入 5 个元素后的顺序
1    2    3    4    5    
插入 第 6 个元素后的顺序
2    3    4    5    6    
访问元素 3 后的顺序
2    4    5    6    3 

组合的方式也显得非常简单，有两点需要注意：

1. 保证每个方法的线程安全
2. put 时，需要查看当前容量是否超过设置的容量，超过则需要删除第一个元素。当然小编这种是实现方式不是很优雅，这么做知识为了能够更加好阐述 LRU 的实现。更好的方案是在构造 LinkedHashMap 时，重写 removeEldestEntry()，如下：

        cacheMap = new LinkedHashMap<K,V>(capacity,0.75f,true){
    
            @Override
            protected boolean removeEldestEntry(Map.Entry eldest) {
    
                return size()>capacity;
            }
        };

链表 + HashMap 实现

我们想想，在不利用现存数据结构的条件（如 LinkedHashMap）如何实现一个 LRU 呢？缓存部分容易实现，我们都知道利用 HashMap 即可，但是如何实现缓存容量不足时丢弃最不常用的数据的功能？

• 利用时间戳。每一个访问，增加的元素我们都给其更新一个时间戳，在 put 的时候，检查，删除时间戳最小的就可以了。这种方法可以实现，但是代价较高，就是我们需要遍历整个数据，得到最小的时间戳。
• 我们可以换位思考，我们其实不需要关注每个节点的增加或者遍历时间，我们只需要知道那个节点是最先访问就可以了，所以我们可以利用链表记录访问记录，有新数据加入时放在链表的 head 节点，每次访问也将该数据放在 head 节点，那么链表的 tail 一定是最早访问的节点，所以每次当容量不足的时候删除 tail 节点数据并将它的前驱节点设置为 tail 就可以了。注意，这个链表是一个双向链表。代码如下：

public class LinkedLRUCache<K,V> {
    

    private int capacity;

    private Map<K,LRUNode> map;

    private LRUNode head;

    private LRUNode tail;

    LinkedLRUCache(int capacity){
    
        this.capacity = capacity;
        this.map = new HashMap<>();
    }

    public synchronized void put(K k,V v){
    
        LRUNode node = map.get(k);

        // 存在该 key，将节点的设置为 head
        if(node != null){
    
            node.value = v;

            remove(node,false);
        }else{
    
            /**
             * 该节点不存在
             * 1、将该节点加入缓存
             * 2、设置该节点为 head
             * 3、判断是否超出容量
             */
            node = new LRUNode(k,v);

            if(map.size() >= capacity){
    
                //删除 tail 节点
                remove(tail,true);
            }

            map.put(k,node);

            setHead(node);
        }

        // 设置当前节点为首节点
        setHead(node);
    }

    public Object get(String key) {
    
        LRUNode node = map.get(key);
        if (node != null) {
    
            // 将刚操作的元素放到head
            remove(node, false);
            setHead(node);
            return node.value;
        }
        return null;
    }

    /**
     * 设置头结点
     *
     * @param node
     */
    private void setHead(LRUNode node) {
    
        if(head != null){
    
            node.next = head;
            head.prev = node;
        }

        head = node;

        if(tail == null){
    
            tail = node;
        }
    }

    /**
     * 从链表中删除此Node
     *
     * @param node
     * @param flag  为 true 就删除该节点的 key
     */
    private void remove(LRUNode node,boolean flag) {
    
        if (node.prev != null) {
    
            node.prev.next = node.next;
        } else {
    
            head = node.next;
        }
        if (node.next != null) {
    
            node.next.prev = node.prev;
        } else {
    
            tail = node.prev;
        }
        node.next = null;
        node.prev = null;
        if (flag) {
    
            map.remove(node.key);
        }
    }
    
    private Iterator iterator(){
    
        return map.keySet().iterator();
    }

    private class LRUNode<K,V> {
    

        /**
         * cache 的 key
         */
        private K key;

        /**
         * cache 的 value
         */
        private V value;

        private LRUNode next;

        private LRUNode prev;

        LRUNode(K key, V value) {
    
            this.key = key;
            this.value = value;
        }
    }
}

验证

   public static void main(String[] args){
    
        LRUCache lruCache = new LRUCache(5);
        
        lruCache.put("1","a");
        lruCache.put("2","b");
        lruCache.put("3","c");
        lruCache.put("4","d");
        lruCache.put("5","e");
       
        System.out.println("插入 5 个元素");
        println(lruCache);

        System.out.println("插入 3 元素");
        lruCache.put("3","c");
        println(lruCache);

        System.out.println("插入第  6 个元素");
        lruCache.put("6","f");
        println(lruCache);

        System.out.println("访问 4 元素");
        lruCache.get("4");
        println(lruCache);
    }
    
    private static void println(LRUCache lruCache){
    
        Iterator iterator = lruCache.keyIterator();
        while (iterator.hasNext()){
    
            System.out.print(iterator.next() + "    ");
        }
        
        System.out.println();
    }

执行结果：

插入 5 个元素
1    2    3    4    5    
插入 3 元素
1    2    4    5    3    
插入第  6 个元素
2    4    5    3    6    
访问 4 元素
2    5    3    6    4