如何实现LRU缓存淘汰算法

一.简介

LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，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很高”，反过来说“如果数据最近这段时间一直都没有访问,那么将来被访问的概率也会很低”。

二.实现

算法有两种策略(均以队列的方式实现)，一种是不调整的，另外一种是随时进行调整的，即缓存命中后，将这个数据缓存项移到LRU队列的最前端。
1.不调整的

例如，缓存容量为4,顺序访问数据项1  5  1  3  5  2  4  1  2
首先读取1，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将1读到内存（队列）
（1）
再读取5，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将5读到内存
（5，1）
再读取1，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取
（5，1）
  再读取3，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将3读到内存
（3，5，1）
 再读取5，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取
（3，5，1）
 再读取2，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将2读到内存
（2，3，5，1）
  再读取4，发现缓存中没有，则访问磁盘，并将其放入缓存，但是缓存已经满了，需要淘汰掉队列尾端的元素1，将4放入缓存，同时将4读到内存中
（4，2，3，5）
再读取1，发现缓存中没有，则访问磁盘，并将其放入缓存，但是缓存已经满了，需要淘汰掉队列尾端的元素5，将1放入缓存，同时将1读到内存中
（1，4，2，3）
   再读取2，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取
（1，4，2，3）

2.调整的

还是相同的例子
首先读取1，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将1读到内存
（1）
 再读取5，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将5读到内存
（5，1）
  再读取1，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取，由于缓存命中，则需要把刚才命中的元素移动到队列最前端
（1，5）
 再读取3，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将3读到内存
（3，1，5）
 再读取5，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取
（5，3，1）
再读取2，发现缓存中没有，则访问磁盘，并将其放入缓存，同时将2读到内存
（2，5，3，1）
再读取4，发现缓存中没有，则访问磁盘，并将其放入缓存，但是缓存已经满了，   需要淘汰掉队列尾端的元素1，将4放入缓存，同时将4读到内存中
（4，2，5，3）
 再读取1，发现缓存中没有，则访问磁盘，并将其放入缓存，但是缓存已经满了，   需要淘汰掉队列尾端的元素3，将1放入缓存，同时将1读到内存中
（1，4，2，5）
 再读取2，发现缓存已经存在，则不会访问磁盘，而是直接从缓存中读取，由于缓存命中，则需要把刚才命中的元素移动到队列最前端
（2，1，4，5）

三.代码实现

基于java jdk 的LinkedHashMap
利用LinkedHashMap来实现LRU算法，需要覆写其中的removeEldestEntry(Map.Entry)方法即可。如果去看LinkedHashMap的源码可知，LRU算法是通过双向链表来实现，当某个位置被命中，通过调整链表的指向将该位置调整到头位置，新加入的内容直接放在链表头，如此一来，最近被命中的内容就向链表头移动，需要替换时，链表最后的位置就是最近最少使用的位置。
LinkedHashMap自身已经实现了顺序存储，默认情况下是按照元素的添加顺序存储，也可以启用按照访问顺序存储，即最近读取的数据放在最前面，最早读取的数据放在最后面，然后它还有一个判断是否删除最老数据的方法，默认是返回false，即不删除数据，我们使用LinkedHashMap实现LRU缓存的方法就是对LinkedHashMap实现简单的扩展

//LinkedHashMap的一个构造函数，当参数accessOrder为true时，即会按照访问顺序排序，最近访问的放在最前，最早访问的放在后面
public LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder) {
        super(initialCapacity, loadFactor);
        this.accessOrder = accessOrder;
}

//LinkedHashMap自带的判断是否删除最老的元素方法，默认返回false，即不删除老数据
//我们要做的就是重写这个方法，当满足一定条件时删除老数据
protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
        return false;
        //return size() > MAX_CACHE_SIZE;   （改为这个）

}

欢迎关注，更多惊喜等着你