大厂面试必备:LRU算法-删除最近最未少使用算法(详细附源代码)

LRU算法

什么是LRU算法

LRU算法又叫删除最近最未使用算法，是一种缓存淘汰策略。

计算机中的容量是有限的，如果内存满了的话，那么就要删除旧的数据来满足让新数据可以填充进入，那么问题来了，什么样的数据就是要被删除的数据？

LRU缓存算法是一种常用的策略。全名又称Least Recently Used，也就是说我们认为最近使用过的数据应该是是「有用的」，很久都没用过的数据应该是无用的，内存满了就优先删那些很久没用过的数据。

使用场景

比如说现在有一个鞋柜，里面可以存放6双鞋，每新买一双鞋，你都要将新鞋存放进入，每次存放的时候，你都会判断一下是否有空余的位子，如果有空位子的话，你就可以成功存放进去，如果没有的话，你就需要忍痛割爱，把最近未穿(时间最长)的那双鞋拿出来，给新鞋腾出位置，让新鞋入库。这个就是典型的LRU设计思路。
希望我拿鞋举例子，可以让你们对LRU算法有一定的了解。相信你们一定可以的。

算法设计思路

LRU 缓存机制可以通过哈希表辅以双向链表实现，我们用一个哈希表和一个双向链表维护所有在缓存中的键值对。

• 双向链表按照被使用的顺序存储了这些键值对，靠近头部的键值对是最近使用的，而靠近尾部的键值对是最久未使用的。

• 哈希表即为普通的哈希映射（HashMap），通过缓存数据的键映射到其在双向链表中的位置。

　　如图所示，在双向链表中头部数据总为活跃度最高的节点，尾部为活跃度最低的节点，若容器已满的话，首先会淘汰尾部节点，将新数据插入头部，以此保证头部总是活跃度最高的节点。

具体实现

1. 首先定义数据结构，存放该节点的ｋ值，ｖ值，前继节点和后继节点

/**数据结构*/
    class CacheNode {
   
        Object key; // 键
        Object value; // 值
        CacheNode next; // 后继节点
        CacheNode pre; // 前继节点
    }

2. 定义全局变量：容器(caches)，容量大小(capacity)，容器中头节点(head)和尾节点(tail)

 /**缓存容器*/
    HashMap<K, CacheNode> caches;

    /**容量大小*/
    private int capacity;
    /**头结点*/
    private CacheNode head;
    /**尾节点*/
    private CacheNode tail;

3. 初始化容器大小，通过构造方法进行初始化

/**实例化*/
    public LRUCache(int size) {
   
        // 容器大小
        this.capacity = size;
        // 实例化容器
        caches = new HashMap<K, CacheNode>(size);
    }

4. 编写put方法

/**
     *  添加k-v
     * @param k 键
     * @param v 值
     * @return 值
     */
    public V put(K k, V v) {
   
        // 1. 从容器中查找是否存在
        Cache