LRU算法为什么使用双向链表+散列表的形式

什么是LRU算法

LRU算法是一种缓存淘汰策略，也称为最近最久未使用算法。对于计算机来说，缓存的容量是有限的，当缓存满的时候 势必要淘汰掉无用或没那么有用的缓存，我们的LRU邀约而生。其思路就是淘汰掉最久没有使用到访问到的缓存。

思路

哪个数据是最久未使用的呢？

我们可以将每一个数据当成一个节点，每当我们访问它们的时候，就将这个节点提到节点的头部，这样后最后面的节点就是我们需要淘汰的最久未使用的数据。

图解

实现的数据结构

现在思路有了，让我们来说说为什么使用双链表＋散列表的数据结构吧~

1. 首先我们需要将每一个节点储存起来，势必需要一个集合来储存起来。（使用链表）

1. 这就有了两种选择ArrayList和LinkedList这两种常见的集合。ArrayList集合底层使用的是数组实现，而LinkedList集合底层使用的是链表实现。

2. 而我们每一次访问都需要将访问到的节点进行移动到第一个节点，后面的节点需要依次往下移动。我们的数组移动起来是非常耗时的，复杂度O(n)，显然不划算，故选择链表，移动一个节点只需要将链表的指向改变，复杂度O(1)。所以我们将移动节点的性能提高到了O(1)。

2. 事实上是链表也有一些小问题，我们都知道，链表的移动是O(1)，但是链表的查询性能是O(n)呀。当我们需要访问某个节点的时候，我们需要遍历一遍链表才知道这个节点是否在我们的缓存之中，这显然不合适。（使用散列表）

1. 我们可以添加一个散列表去提高我们的查询效率。最合适的就是我们最常用的HashMap~

2. 我们的HashMap存储它们的key，value指向节点本身。查询时，只需要判断HashMap是否存在这个key，复杂度O(1)，存在就直接获取到value也就是那个节点。所以我们将查询性能也提高到了O(1)。

3. 使用了散列表提高了查询效率的同时，也同样多出了一些小小的问题。因为使用了散列表可以快速精准的定位某一个节点，但是我们要做的不只是将这个节点移动到头部，还需要将这个节点删除，也就是将上一个节点连接到下一个节点。（使用双向链表）

1. 使用了双向链表就可以快速得到 查询到的节点的上一个节点，就可以将上一个节点的指向从该节点转变为下一个节点。

图解如下

第一次这么去写东西呀，可能出现考虑不周的地方，如果遇到不对的地方希望可以多多指正，谢谢大家~