java lru 队列_Java LinkedHashMap 和 LRU算法

问题：使用Java完成一个简单的LRU算法

什么是LRU算法

LRU(Least Recently Used)，也就是最近最少使用。一种有限的空间资源管理的解决方案，会在空间资源不足的情况下移除掉最近没被使用过的数据，以保证接下来需要的空间资源。

在现在通用的操作系统中为了解决内存不足这个问题，提出了虚拟内存这种解决方案，其实虚拟内存也就是将机器的内存分为多个页面(提个小问题，一个页面包含了多少kb的空间？)，内存中只存放当前需要的页面信息，暂时不使用的内存数据就保存到磁盘中。这可以很好的解决内存不足的问题。当然了这就无故出现页面交换的情况，使得读取内存的速度降低(磁盘的读取速度远小于内存的读取速度)，这种方案肯定有利有弊，只需要我们的服务能够接受这种情况，那就完全没有问题。

Redis做为一种内存数据库，内存大小对数据库的影响更重要，所以redis也需要及时的移除掉那些过期数据。在redis中有定时清楚、惰性删除、定期删除，但是其策略主要分为两种，基于访问时间和基于访问频率。基于访问时间就是LRU算法，看看LRU算法的图解过程，如下图。

image.png

先定义好一个定长的队列

按照FIFO的流程，依次申请一段空间

直到队列被占满了，出现内存不足的情况，淘汰策略开始工作

会淘汰队列中最先进入的数据，最先进去的数据也就是最近最久未被使用的数据，然后把其移除出队列

LRU 算法小demo

整体的算法实现没有太多的难度，维护一个有限长度的队列的进出，需要移除或者插入数据。时间复杂度可能会是个问题。

队列如果是链表，则移除数据的时间复杂度是O(1)，但是查找数据的时间复杂度是O(n)

队列如果是数组，则移除数据的时间复杂度是O(n)，而且移除数据还伴随着数组的平行移动，查找数据也是O(n)，除非另外再加一个Map存储其索引值会使得其查找的速度降低到O(1)，但是却又提高了空间复杂度

接下来写个基于数组的LRU的简单代码

public class LruDemo {

private Object[] items;

private HashMap map;

private int size;

private int index;

public LruDemo() {

this(8);

}

public LruDemo(int size) {

this.size = size;

this.items = new Object[size];

this.map = new HashMap<>(16);

this.index = 0;

}

public void put(T t) {

Integer value = map.get(t);

if (value == null) {

if (index >= size) {

// 满了，需要移除第一个元素

for(int i=1; i

items[i-1] = items[i];

map.replace((T)items[i-1], i);

}

ind