数据结构与算法--如何实现LRU缓存淘汰算法

基于链表实现

我们维护一个有序的单链表，越靠近链表尾部的越是越早之前访问的，当有一个新的数据访问时，我们从头遍历链表

1 如果此数据之前已经被缓存到了链表中，我们遍历得到这个数据节点，然后从原位置删除，插入到链表的头部

2 如果此数据没有缓存到链表中，分为俩种情况
2.1 如果此时链表未满，就将此节点缓存到链表头
2.2 如果此时缓存已经满了，则把链表尾节点删除，再将新的数据添加到头结点。
这就是一个简单的LRU缓存，这种情况不管有没有满，都要遍历一遍链表，所以时间复杂度为O(n)，我们还可以利用散列表优化

基于散列表实现

一个LRU缓存算法主要包括以下操作
1 向缓存里添加一个数据
2 从缓存里删除一个数据
3 从缓存里查找一个数据
这三个操作都涉及查找操作，如果单纯的用链表只能是O(n），如果我们将链表和散列表结合，就可以做到O(1)，具体的数据结构如下面

我们使用双向链表储存数据，链表中每个节点储存数据data，前驱指针prve和后继指针next之外，还储存了一个hnext，那hnext有什么作用呢？

因为散列表是通过链表法，解决散列冲突的，所以每个节点会存在俩条链中，一条就是散列表中的双向链表，另一条就是我们的拉链，前序指针和后续指针是为了将结点串在双向链表中，hnext是为了串在拉链中

这个数据结构，查找一个数据，通过散列表去查找，时间复杂度为O(1)
这个数据结构，删除这个数据，首先我们要找到这个数据的节点，可以通过散列表查找，时间复杂度为O(1)，然后删除，因为是双向链表，可以找到前驱指针，所以可以O(1)，删除数据
这个数据结构，添加一个数据，首先我们要查找这个数据是否在缓存中通过散列表查O(1)，如果在其中，把它移到双链表的尾部O(1)，如果不在其中，看缓存是否已满，如果已经满了，就把头部结点删除O(1)，把新数据加入到尾部O(1)，如果没有满，就直接假如到尾部O(1)

这样就通过散列表和链表，实现了一个高效，支持LRU算法的缓存系统原型

java 的LinkedHashMap

我们知道HashMap是由散列表实现的，那么LinkedHashMap多了一个Linked，指的是什么？
其实LinkedHashMap的Linked是指双链表，他支持插入顺序遍历数据，还支持访问顺序遍历数据，也就是说LinkedHashMap本身就是支持LRU缓存算法的
实际上LinkedHashMap是通过散列表和双链表俩种数据结构结合实现的，其实LinkedHashMap的Linked是指双链表，并不是治链表法解决散列冲突