java缓存算法_LRU算法实现（最少使用缓存淘汰机制）

1、LRU算法描述

LeetCode上有一道LRU算法设计的题目，让你设计一种数据结构，首先构造函数接受一个capacity参数作为缓存的最大容量，然后实现两个API：

一个是 put(key, val) 方法插入新的或更新已有键值对，如果缓存已满的话，要删除那个最久没用过的键值对以腾出位置插入。

另一个是 get(key) 方法获取 key 对应的 val，如果 key 不存在则返回 -1。

需要注意的是，get 和 put 方法必须都是O(1) 的时间复杂度，我们举个具体例子来看看 LRU 算法怎么工作。

2、代码实现

很多编程语言都有内置的哈希链表或者类似 LRU 功能的库函数，但是为了帮大家理解算法的细节，我们用 Java 自己造轮子实现一遍 LRU 算法。

首先，我们把双链表的节点类写出来，为了简化，key 和 val 都认为是 int 类型：

class Node{

public int key, val;

public Node next, prev;

public Node(int k, int v){

this.key = k;

this.val = v;

}

}

然后依靠我们的 Node 类型构建一个双链表，实现几个要用到的 API，这些操作的时间复杂度均为O(1) ：

class DoubleList{

// 在链表头部添加节点 x

public void addFirst(Node x);

// 删除链表中的 x 节点(x 一定存在)

public void remove(Node x);

// 删除链表中最后一个节点，并返回该节点

public Node removeLast();

// 返回链表长度

public int size();

}

PS：这就是普通双向链表的实现，为了让读者集中精力理解 LRU 算法的逻辑，就省略链表的具体代码。

到这里就能回答刚才“为什么必须要用双向链表”的问题了，因为我们需要删除操作。删除一个链表节点不光要得到该节点本身的指针，也需要操作其前驱节点的指针，而双向链表才能支持直接查找前驱，保证操作的时间复杂度O(1)。

有了双向链表的实现，我们只需要在 LRU 算法中把它和哈希表结合起来即可。我们先把逻辑理清楚:

如果能够看懂上述逻辑，翻译成代码就很容易理解了：

这里就能回答之前的问题“为什么要在链表中同时存储 key 和 val，而不是只存储 val”，注意这段代码：

if (cap == cache.size()) {

// 删除链表最后一个数据

Node last = cache.removeLast();

map.remove(last.key);

}

当缓存容量已满，我们不仅仅要删除最后一个 Node 节点，还要把 map 中映射到该节点的 key 同时删除，而这个 key 只能由 Node 得到。如果 Node 结构中只存储 val，那么我们就无法得知 key 是什么，就无法删除 map 中的键，造成错误。

至此，你应该已经掌握 LRU 算法的思想和实现了，很容易犯错的一点是：处理链表节点的同时不要忘了更新哈希表中对节点的映射。