面试官让我设计个LRU缓存，结果...

小黑有个朋友最近去面试，过程中有问他一些缓存相关的问题。

让他回答一下，设计一个LRU缓存，应该怎么实现

我这个朋友呢，应该是没好好准备这块儿内容，反正是没咋答上来，于是。。。就让他回家等通知了。

今天小黑就带大家来聊一聊LRU算法，并动手写一个LRU缓存。

缓存淘汰策略是啥

在我们平时开发中，经常会使用到缓存，比如一些热点商品，配置数据等，为了提高访问速度都会放到缓存中，但是，往往缓存的容量是有限的，我们不能将所有数据都放在缓存中，需要给缓存设定一个容量，当容量放满之后，要有新的数据放入缓存时，需要按照一定的策略将原来缓存中的数据淘汰掉，那么这个策略就叫做缓存淘汰策略。

缓存淘汰策略有很多种选择，常见的有FIFO(first in last out)，LRU(Least Recently Used)，LFU（Least Frequently Used）等。

LRU是啥

LRU是Least Recently Used的缩写，意思是最近最少使用，也就是说将最近使用最少的数据淘汰掉。

例如，我们有如下一个缓存结构：

最开始缓存时空的，我们分别往缓存中放入了5,6,9三个元素，接着在放元素3时，缓存空间已经使用完了，这是我们需要淘汰掉一个元素，释放出空间放心的元素，按照LRU算法的逻辑，此时缓存中最近最少使用的元素是5，所以将5淘汰掉，放入元素3。

接下来我们来想想如何实现这样一个LRU缓存结构，在开始写代码之前，我们要先明确我们这个缓存需要满足的一个条件。

• 该缓存的容量要有限制
• 在缓存容量使用完时，再添加新元素时必须使用LRU算法淘汰元素
• 添加元素，查询元素操作的时间复杂度都应该是O(1)
• 对缓存的操作要支持并发

因为有上面的一些要求，我们先来思考下面这个问题。

如何保证所有操作的时间复杂度都是O(1)呢？

要找到这个问题的答案，我们还得再深入思考一下LRU缓存的特点。

首先，按照开头我们图片看，LRU缓存应该是一个队列结构，如果一个元素被重新访问，那么这个元素要重新放到队列的头部；

然后呢，我们的队列有容量限制，每当有新元素要添加进缓存时，都把它添加到队列的头部；有元素要淘汰时，都从队列尾部删除；

这样可以保证添加和淘汰元素的时间复杂度都是O(1)，那么我们如果想从缓存中查询元素时，该怎么办呢？

你是不是想到了将队列遍历一遍，找到符合的元素？很显然这样是能找到元素，但是时间复杂度是O(n)的，并且当我们缓存中数据量如果很多时，查询元素的时间是不固定的，可能会很快，可能会特别慢。

如果单纯使用队列的话，是做不到查询操作的时间复杂度为O(1)的。

怎样可以让查询的时间复杂度变成O(1)呢？

队列不可以，但是HashMap可以呀。

但是问题又来了，如果仅使用HashMap，虽然可以让查询时间复杂度变为O(1)，但是淘汰元素时，就没办法用O(1)的时间复杂度删除了。

我们可以使用HashMap+链表的组合方式，来完成LRU缓存的结构。

以上结构，我们可以把要缓存数据的key做为HashMap的key，这样保证查询元素时能快速查到数据；

通过双向链表，可以保证在添加新元素和淘汰元素时从头节点和尾节点操作，可能在O(1)时间内完成。

现在是不是思路变得非常清晰了！

好的，我们现在来写一下实现思路：

首先，如果HashMap中包含key，则缓存命中，获取元素；如果不包含，则表示缓存未命中。

如果缓存命中：

• 从链表中移除该元素，将元素添加到链表头部；
• 将头部节点作为value保存到HashMap中；

如果未命中：

• 添加该元素到链表头部；
• 将链表头部节点保存在HashMap中。
• 嗯，到这里我们就可以写代码了。

代码实现

首先我们定义一个Cache接口，在该结构中定义Cache有哪些方法：

/**
 * @author 小黑说Java
 * @ClassName Cache
 * @Description
 * @date 2022/1/13
 **/
public interface Cache<K, V> {
   
    
    boolean put(K key, V value);

    Optional<V> get(K key);

    int size();

    boolean isEmpty();

    void clear();
}

接下来，我们来实现我们的LRUCache类，该类实现Cache接口：

public class LRUCache<K, V> implements Cache<K, V> {
   
    private int size;
    private Map<K, LinkedListNode<CacheElement<K, V>>> linkedListNodeMap;
    private DoublyLinkedList<CacheElement<K, V>> doublyLinkedList;

    public LRUCache(int size) {
   
        this.size = size;
        this.linkedListNodeMap = new ConcurrentHashMap<>(size);
        this.doublyLinkedList = new DoublyLinkedList<>();
    }
    // ...其他方法
}

首先我们在LRUCache中定义了一个Map和我们自定义的双向链表DoublyLinkedList，在构造方法中进行初始化。

接下来实现具体操作的方法。

put操作