剖析LRU算法及LinkedHashMap源码实现机制

一、简述

LRU（Least Recently Used），注意L代表的不是Latest，翻译成中文通常叫：近期最少使用算法、最近最少使用算法。LRU与LFU（Least Frequently Used）、FIFO（First In First Out）是3种常用的缓存算法（页面置换算法）。缓存算法的应用场景有很多，例如操作系统在物理内存不足时触发的磁盘交换、CPU中L1、L2、L3缓存淘汰替换、超市中畅销货品在货架的摆放位置优化等。缓存算法的实现和变种也有很多，这里只针对LRU算法抛砖引玉。

二、算法原理

缓存算法的根本目的，是淘汰掉“最不常用”的元素。LRU算法淘汰的是截止当前缓存区中最久没有被访问过的元素，这意味着“最后一次访问时间”是LRU算法决定是否淘汰元素的唯一标准。

因此，假设我们记录下每个元素最后一次被访问的时间戳，并按照此时间戳早晚进行排序，那么，时间最早的元素应该被淘汰掉（如图1）。所以，将LRU准确地翻译成中文，应该是：距今最久未用淘汰算法。

图1：最后一次访问时间最早的元素首先被淘汰

这里补充一点，LRU算法并不是绝对公平的。举个例子，假如某个元素仅仅在淘汰执行前被访问了1次，在之前的数百万次的请求中从未被访问，按照LRU的算法逻辑，它仍然会留存下来，这其实无法准确描述“是否常用”这一特性。“是否常用”其实在不同的业务场景有不同的定义，大家可以细细体会。

三、LRU的实现机制

依照LRU算法原理，其实现机制并不复杂，仅仅需要根据元素的最后一次访问时间排序即可。但当运用在1个生产环境的缓存系统中时，会面临以下几个工程问题：

1. 在缓存访问频次极高的情况下，时间戳即使精确到纳秒，依然存在大量的相同时间戳，排序无效。若采用递增ID替代时间戳，则存在溢出的风险。
2. 每次进行缓存淘汰时，都需要将缓存区所有元素进行排序。当元素数极多时，缓存系统的性能将急剧下降，CPU耗费极高。
3. 在元素本身占用内存不大的情况下，附加的“时间戳/自增ID”甚至在内存占用上喧宾夺主。

最佳的实现思路是利用链表的有序特性，将缓存元素的“按最后一次访问时间戳排序”巧妙地转换为其在链表中的相对顺序。因为LRU算法关心的并不是元素的绝对访问时间，而是元素被访问的先后顺序。即：元素被命中时，移到链表头。执行淘汰时，从链表尾开始淘汰。因此，LRU算法实现的核心数据结构是：循环链表。

但对于一个<K,V>缓存系统而言，仅有链表结构是不够的。链表虽然解决了缓存淘汰问题，但缓存访问却需要每次都从链表头开始遍历。JDK中的java.util.LinkedHashMap给出了最佳的实现（链表也是Linked这一前缀的由来），同时解决了元素的快速访问与缓存淘汰问题。

四、JDK中LinkedHashMap对LRU的实现源码分析

1、概述

从Oracle的JDK源码的注释中可以看到，从JDK1.4开始，Josh Bloch就提供了LinkedHashMap供开发者使用。LinkedHashMap继承自HashMap，拥有<K,V>结构的同时还提供了缓存淘汰的扩展。

 

Java

1 2 3

protected boolean removeEldestEntry ( Map . Entry < K , V > eldest ) {         return false ;     }

2、LinkedHashMap的使用示例（LRU效果）

 

Java

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

public static void main ( String [ ] args ) {           Map < String , String > map = new LinkedHashMap < String , String > ( 16 , 0.75f , true ) ;         map . put ( "1" , "a" ) ;         map . put ( "2" , "b" ) ;         map . put ( "3" , "c" ) ;         map . put ( "4" , "e" ) ;           for ( Iterator <String> iterator = map . values ( ) . iterator ( ) ; iterator                   . hasNext ( ) ; ) {             String name = ( String ) iterator . next ( ) ;             System . out . print ( name ) ;         }     }

上面的代码打印结果为：abce，很正常，按照加入的顺序打印

Java

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

public static void main ( String [ ] args ) {           Map < String , String > map = new LinkedHashMap < String , String > ( 16 , 0.75f , true ) ;         map . put ( "1" , "a" ) ;         map . put ( "2" , "b" ) ;         map . put ( "3" , "c" ) ;         map . put ( "4" , "e" ) ;           map . get ( "1" ) ;         map . get ( "2" ) ;             for ( Iterator <String> iterator = map . values ( ) . iterator ( ) ; iterator                   . hasNext ( ) ; ) {             String name = ( String ) iterator . next ( ) ;             System . out . print ( name ) ;         }     }

打印结果为：ceab ，可以看出LinkedHashMap构造参数中的“true”启用了其内部的LRU 特性。

3、利用LinkedHashMap的LRU特性，构造固定容量缓存系统

 

Java

1 2 3 4 5 6 7 8 9 10 11 12 13 14

public class FixedSizeCacheMap < K , V > extends LinkedHashMap < K , V > {   private final int fixSize ;   public FixedSizeCacheMap ( int fixSize ) { super ( fixSize , 0.75f , true ) ; this . fixSize = fixSize ; }   @Override protected boolean removeEldestEntry ( Map . Entry < K , V > eldest ) { return size ( ) > fixSize ; } }

说明：上述代码中FixedSizeCahceMap构造参数中的fixSize指定了缓存的最大元素个数。removeEldestEntry方法重写了LinkedHashMap中关于判断是否删除“最久未用元素”的逻辑，“return size() > fixSize”表明，当缓存中的元素数达到fixSize时，将eldest元素淘汰掉。

4、LinkedHashMap实现源码分析

上文提到LinkedHashMap继承自HashMap，其主要目的是充分利用HashMap现有的<K,V>数据结构，在此基础上通过Override一些关键方法，将<K,V>结构与循环链表结构完美结合运用。被Override的几个关键点：

（1）定义链表的节点

Java

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

private static class Entry < K , V > extends HashMap . Entry < K , V > {           // 用于记录链表节点的前后节点         Entry < K , V > before , after ;           Entry ( int hash , K key , V value , HashMap . Entry < K , V > next ) {             super ( hash , key , value , next ) ;         }           //从链表中摘除本节点         private void remove ( ) {             before . after = after ;             after . before = before ;         }           //将本节点插入到指定节点的前面         private void addBefore ( Entry < K , V > existingEntry ) {             after  = existingEntry ;             before = existingEntry . before ;             before . after = this ;             after . before = this ;         }          //本节点的元素被命中访问时，将本节点移动到链表头         void recordAccess ( HashMap < K , V > m ) {             LinkedHashMap < K , V > lm = ( LinkedHashMap < K , V > ) m ;             if ( lm . accessOrder ) {                 lm . modCount ++ ;                 remove ( ) ;                 addBefore ( lm . header ) ;             }         }     }

（2）LinkedHashMap初始化时，建立循环链表

 

Java

1 2 3 4

void init ( ) {    header = new Entry <> ( - 1 , null , null , null ) ;    header . before = header . after = header ; }

（3）向缓存中添加元素时的重写

Java

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

void addEntry ( int hash , K key , V value , int bucketIndex ) {                  super . addEntry ( hash , key , value , bucketIndex ) ;           //每当添加新元素时，判断是否执行LRU淘汰         Entry < K , V > eldest = header . after ;         if ( removeEldestEntry ( eldest ) ) {             removeEntryForKey ( eldest . key ) ;         }     }     //上述的super.addEntry会调用这里的createEntry，LinkedHashMap将其Override使得Map中存储的Entry都是（1）中定义的新Entry，同时把新元素置于链表头     void createEntry ( int hash , K key , V value , int bucketIndex ) {         HashMap . Entry < K , V > old = table [ bucketIndex ] ;         Entry < K , V > e = new Entry <> ( hash , key , value , old ) ;         table [ bucketIndex ] = e ;         e . addBefore ( header ) ;         size ++ ;     }

（4）缓存命中时的方法重写

Java

1 2 3 4 5 6 7

public V get ( Object key ) {         Entry < K , V > e = ( Entry < K , V > ) getEntry ( key ) ;         if ( e == null )             return null ;         e . recordAccess ( this ) ; //参考（1）中Entry定义的recordAccess方法，实际是LRU算法中的节点命中移动到链表头         return e . value ;     }

五、总结

LRU算法是缓存算法的入门必修课，而使用缓存算法也是很多互联网基础设施研发的必经之路，尤其在数据规模不断增大而物理资源相对有限的分布式领域，深入了解其机制原理并触类旁通，将是夯实高阶研发基础的第一步。