hashmap是单向链表吗_LRU(Least Recent Used) java 实现为这么采用HashMap+双向链表

他采用HashMap+双向链表实现LRU(淘汰掉最不经常使用的)。先来将原文简单引用介绍下，以免原作者删除。

很久前参加过今日头条的面试，遇到一个题，目前半部分是如何实现 LRU，后半部分是 Redis 中如何实现 LRU。

我的第一反应是操作系统课程里学过，应该是内存不够的场景下，淘汰旧内容的策略。LRU ... Least Recent Used，淘汰掉最不经常使用的。可以稍微多补充两句，因为计算机体系结构中，最大的最可靠的存储是硬盘，它容量很大，并且内容可以固化，但是访问速度很慢，所以需要把使用的内容载入内存中；内存速度很快，但是容量有限，并且断电后内容会丢失，并且为了进一步提升性能，还有CPU内部的 L1 Cache，L2 Cache等概念。因为速度越快的地方，它的单位成本越高，容量越小，新的内容不断被载入，旧的内容肯定要被淘汰，所以就有这样的使用背景。

LRU原理

在一般标准的操作系统教材里，会用下面的方式来演示 LRU 原理，假设内存只能容纳3个页大小，按照 7 0 1 2 0 3 0 4 的次序访问页。假设内存按照栈的方式来描述访问时间，在上面的，是最近访问的，在下面的是，最远时间访问的，LRU就是这样工作的。

但是如果让我们自己设计一个基于 LRU 的缓存，这样设计可能问题很多，这段内存按照访问时间进行了排序，会有大量的内存拷贝操作，所以性能肯定是不能接受的。

那么如何设计一个LRU缓存，使得放入和移除都是 O(1) 的？

我们需要把访问次序维护起来，但是不能通过内存中的真实排序来反应，有一种方案就是使用HashMap+双向链表。

基于 HashMap 和 双向链表实现 LRU 的

整体的设计思路是，可以使用 HashMap  key存储双向链表的数值，而 HashMap 的 Value 指向双向链表实现的 LRU 的 Node 节点，如图所示。(key指向Node节点，value指向数值也可以)

LRU中数据的存储和对使用时间新旧的维护是由 双向链表 实现的。(

在链表头的是最新使用的。

在尾部的是最旧的。也是下次要清除的。

如果加入的值是链表内存在的则要移动到头部。)

HashMap是来配合双向链表，用于减少时间复杂度的。它是可以快速的(O(1)的时间)定位，链表中某个值是否存在。(要不然需要遍历双向链表，时间复杂度为O(n) n为链表长度)，定位到某个值存在后能马上获得他的node节点，因为是双向链表，