关键词：
前言
LRU 是 Least Recently Used 的简写，字面意思则是最近最少使用。
通常用于缓存的淘汰策略实现，由于缓存的内存非常宝贵，所以需要根据某种规则来剔除数据保证内存不被占满。
在redis的数据淘汰策略中就包含LRU淘汰算法
如何实现一个完整的LRU缓存呢？这个缓存要满足：
- 这个缓存要记录使用的顺序
- 随着缓存的使用变化，要能更新缓存的顺序
基于这种特点，可以使用一个常用的数据结构：链表
- 每次加入新的缓存时都添加到链表的
头节点 - 当缓存再次被使用时移动缓存到
头节点 - 当添加的缓存超过能够缓存的最大时，删除链表
尾节点的元素
单链表和双向链表的选择
单链表的方向只有一个，节点中有一个next指针指向后继节点。而双链表有两个指针，可以支持两个方向，每个节点不止有一个next指针，还有一个prev指针指向前驱节点
双向链表需要额外的两个空间来存放前驱节点的指针prev和后继节点指针next,所以，存储相同大小的数据，双向链表需要更多的空间。虽然相比单向链表，双向链表的每个节点多个一个指针空间，但是这样的结构带来了更多的灵活性，在某些场景下非常适合使用这样的数据结构。删除和添加节点操作，双向链表的时间复杂度为O(1)
在单向链表中，删除和添加节点的时间复杂度已经是O(1)了，双向链表还能比单向链表更加高效吗？
先来看看删除操作：
在删除操作中有两种情况：
- 删除给定值的节点
- 删除给定指针的节点
对于第一种情况，无论是删除给定值或者是给定的指针都需要从链表头开始依此遍历，直到找到所要删除的值
尽管删除这个操作的时间复杂度为O(1)，但是删除的时间消耗主要是遍历节点，对应的时间复杂度为O(n),所以总的时间复杂度为O(n)。
对于第二种情况，已经给定了要删除的节点，如果使用单向链表，还得从链表头部开始遍历，直到找到待删除节点的前驱节点。但是对于双向链表来所，这就很有优势了，双向链表的待删除节点种包含了前驱节点，删除操作只需要O(1)的时间复杂度
同理对于添加操作：
我们如果想要在指定的节点前面或者后面插入一个元素，双向了链表就有很大的优势，他可以在O(1)的时间复杂度搞定，而单向链表还需要从头遍历。
所以，虽然双向链表比单向链表需要更多的存储空间，但是双向链表的应用更加广泛，JDK种LinkedHashMap这种数据结构就使用了双向链表
如何实现LRU缓存
单链表实现
下面我们基于单链表给出简单的代码实现：
package com.ranger.lru;
import java.util.HashMap;
import java.util.Map;
/**
*
* @author ranger
* LRU缓存
*
*/
public class LRUMap<K,V>
/**
* 定义链表节点
* @author ranger
*
* @param <K>
* @param <V>
*/
private class Node<K, V>
private K key;
private V value;
Node<K, V> next;
public Node(K key, V value)
this.key = key;
this.value = value;
public Node()
/**
* 缓存最大值
*/
private int capacity;
/**
* 当前缓存数量
*/
private int size;
/**
* 缓存链表头节点
*/
private Node<K,V> head;
/**
* 缓存链表尾节点
*/
private Node<K,V> tail;
/**
* 定义带参构造函数,构造一个为空的双向链表
* @param capacity 缓存最大容量
*/
public LRUMap(int capacity)
this.capacity = capacity;
head = null;
tail = null;
size = 0;
/**
* 无参构造函数，初始化容量为16
*/
public LRUMap()
this(16);
/**
* 向双向链表中添加节点
* @param key
* @param value
*/
public void put(K key,V value)
addNode(key,value);
/**
* 根据key获取缓存中的Value
* @param key
* @return
*/
public V get(K key)
Node<K,V> retNode = getNode(key);
if(retNode != null)
// 存在，插入头部
moveToHead(retNode);
return retNode.value;
// 不存在
return null;
/**
* 移动给定的节点到头节点
* @param node
*/
public void moveToHead(Node<K,V> node)
// 如果待移动节点是最后一个节点
if(node == tail)
Node prev = head;
while(prev.next != null && prev.next != node)
prev = prev.next;
tail = prev;
node.next = head;
head = node;
prev.next = null;
else if(node == head) // 如果是头节点
return;
else
Node prev = head;
while(prev.next != null && prev.next != node)
prev = prev.next;
prev.next = node.next;
node.next = head;
head = node;
/**
* 获取给定key的节点
* @param key
* @return
*/
private Node<K,V> getNode(K key)
if(isEmpty())
throw new IllegalArgumentException("list is empty,cannot get node from it");
Node<K,V> cur = head;
while(cur != null)
if(cur.key.equals(key))
return cur;
cur = cur.next;
return null;
/**
* 添加到头节点
* @param key
* @param value
*/
private void addNode(K key,V value)
Node<K,V> node = new Node<>(key,value);
// 如果容量满了，删除最后一个节点
if(size == capacity)
delTail();
addHead(node);
/**
* 删除最后一个节点
*/
private void delTail()
if(isEmpty())
throw new IllegalArgumentException("list is empty,cannot del from it");
// 只有一个元素
if(tail == head)
tail = null;
head = tail;
else
Node<K,V> prev = head;
while(prev.next != null && prev.next != tail)
prev = prev.next;
prev.next = null;
tail = prev;
size--;
/**
* 链表是否为空
* @return
*/
private boolean isEmpty()
return size == 0;
/**
* 添加节点到头头部
* @param node
*/
private void addHead(Node node)
// 如果链表为空
if(head == null)
head = node;
tail = head;
else
node.next = head;
head = node;
size ++;
@Override
public String toString()
StringBuilder sb = new StringBuilder();
Node<K,V> cur = head;
while(cur != null)
sb.append(cur.key)
.append(":")
.append(cur.value);
if(cur.next != null)
sb.append("->");
cur = cur.next;
return sb.toString();
/**
* 测试
* @param args
*/
public static void main(String[] args)
LRUMap<String,String> lruMap = new LRUMap(3) ;
lruMap.put("1","tom") ;
lruMap.put("2","lisa") ;
lruMap.put("3","john") ;
System.out.println(lruMap.toString());
lruMap.put("4","july") ;
System.out.println(lruMap.toString());
lruMap.put("5","jack") ;
System.out.println(lruMap.toString());
String value = lruMap.get("3");
System.out.println(lruMap.toString());
System.out.println("the value is: "+value);
String value1 = lruMap.get("1");
System.out.println(value1);
System.out.println(lruMap.toString());
输出结果：
3:john->2:lisa->1:tom
4:july->3:john->2:lisa
5:jack->4:july->3:john
3:john->5:jack->4:july
the value is: john
null
3:john->5:jack->4:july
LinkedHashMap实现
了解LinkedHashMap的都知道，它是基于链表实现，其中还有一个?accessOrder?成员变量，默认是?false，默认按照插入顺序排序，为?true?时按照访问顺序排序，也可以调用 构造函数传入accessOrder
LinkedHashMap 的排序方式有两种：
- 根据写入顺序排序。
- 根据访问顺序排序。
其中根据访问顺序排序时，每次 get 都会将访问的值移动到链表末尾，这样重复操作就能的到一个按照访问顺序排序的链表
我们可以重写LinkedHashMap中的removeEldestEntry方法来决定在添加节点的时候是否需要删除最久未使用的节点
代码实现如下：
public class LRULinkedHashMap<K,V>
/**
* 缓存map
*/
private LinkedHashMap<K,V> cacheMap;
/**
* 当前缓存数量
*/
private int size;
/**
* 构造一个cacheMap，并设置可以缓存的数量
* @param size
*/
public LRULinkedHashMap(int size)
this.size = size;
cacheMap = new LinkedHashMap<K,V>(16,0.75F,true)
@Override
// 重写方法，判断是否删除最久没使用的节点
protected boolean removeEldestEntry(Map.Entry eldest)
if (size + 1 == cacheMap.size())
return true ;
else
return false ;
;
/**
* 添加缓存
* @param key
* @param value
*/
public void put(K key,V value)
cacheMap.put(key,value) ;
/**
* 获取缓存
* @param key
* @return
*/
public V get(K key)
return cacheMap.get(key) ;
public String toString()
StringBuilder sb = new StringBuilder();
Set<Entry<K, V>> entrySet = cacheMap.entrySet();
for (Entry<K,V> entry : entrySet)
sb.append(entry.getKey())
.append(":")
.append(entry.getValue())
.append("<-");
return sb.toString();
public static void main(String[] args)
LRULinkedHashMap<String,Integer> map = new LRULinkedHashMap(3) ;
map.put("1",1);
map.put("2",2);
map.put("3",3);
System.out.println(map);
map.put("4", 4);
System.out.println(map);
手写一个redislrucache缓存机制(代码片段)
...了，这篇主要探究Lru写法首先我们可以利用java提供的一个LinkedHashMap工具类利用LinkedHashMap我们要实现该算法，可以借助LinkedHashMap数据结构，LinkedH 查看详情
死磕javacore---我一口气自己就动手实现一个lru(代码片段)
大家好，我是大明哥个人网站：https://www.topjava.cn/LRU，即LeastRecentlyUse，直译为“最近最少使用”。它是根据数据的历史访问记录来进行数据淘汰的，淘汰掉最先访问的数据，其核心思想是如果数据最近被访... 查看详情
用js实现一个lru缓存(代码片段)
...最近最少使用的数据，只保留最近经常使用的资源。它是一个固定容量的缓存容器。核心API：get、setconstlruCache=newLRUCache(2);//最大缓存长度2lruCache.set(1,1);//缓存是1=1lruCache.set(2,2);//缓存是1=1,2=2lruC 查看详情
死磕java基础---我一口气自己就动手实现一个lru(代码片段)
大家好，我是大明哥个人网站：https://www.topjava.cn/LRU，即LeastRecentlyUse，直译为“最近最少使用”。它是根据数据的历史访问记录来进行数据淘汰的，淘汰掉最先访问的数据，其核心思想是如果数据最近被访... 查看详情
lru缓存(代码片段)
leetcode题目-16.25.LRU缓存设计和构建一个“最近最少使用”缓存，该缓存会删除最近最少使用的项目。缓存应该从键映射到值(允许你插入和检索特定键对应的值)，并在初始化时指定最大容量。当缓存被填满时，它应该删除... 查看详情
146.lru缓存机制(代码片段)
LRU缓存机制运用你所掌握的数据结构，设计和实现一个LRU(最近最少使用)缓存机制。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值，... 查看详情
lru缓存（lrucache）(代码片段)
146.LRU缓存题目描述：请你设计并实现一个满足LRU(最近最少使用)缓存约束的数据结构。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存（cache）intget(intkey)如果关键字key存在于缓存中，则返... 查看详情
使用linkedhashmap实现一个简易的lru缓存(代码片段)
leetcode解法https://blog.csdn.net/Apeopl/article/details/90137398importjava.util.LinkedHashMap;importjava.util.Map;importjava.util.Set;publicclassSimpleLRUCache<K,V>privatefinalintMAX_CACHE_SIZE; 查看详情
图解数据结构与算法lru缓存淘汰算法面试时到底该怎么写(代码片段)
链表实现的LRU缓存淘汰算法的时间复杂度是O(n)，当时我也提到了，通过散列表可以将这个时间复杂度降低到O(1)。Redis的有序集合是使用跳表来实现的，跳表可以看作一种改进版的链表。Redis有序集合不仅使用了跳表&#x... 查看详情
lru算法与增强(代码片段)
概要本文的想法来自于本人学习MySQL时的一个知识点:MySQLInnodb引擎中对缓冲区的处理。虽然没有仔细研究其源码实现，但其设计仍然启发了我。本文针对LRU存在的问题，思考一种增强算法来避免或降低缓存污染，主要办法是对原... 查看详情
leetcode146.lru缓存机制(代码片段)
运用你所掌握的数据结构，设计和实现一个 LRU(最近最少使用)缓存机制。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量 capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值，否则... 查看详情
146.lru缓存机制(代码片段)
运用你所掌握的数据结构，设计和实现一个 LRU(最近最少使用)缓存机制。它应该支持以下操作：获取数据get和写入数据put。获取数据get(key)-如果关键字(key)存在于缓存中，则获取关键字的值（总是正数），否则返回-1。写入数... 查看详情
146.lru缓存机制(代码片段)
运用你所掌握的数据结构，设计和实现一个LRU(最近最少使用)缓存机制。它应该支持以下操作：获取数据get和写入数据put。获取数据get(key)-如果关键字(key)存在于缓存中，则获取关键字的值（总是正数），否则返回-1。写入数据put... 查看详情
面试题16.25.lru缓存(代码片段)
算法记录LeetCode题目： 设计和构建一个“最近最少使用”缓存，该缓存会删除最近最少使用的项目。缓存应该从键映射到值(允许你插入和检索特定键对应的值)，并在初始化时指定最大容量。当缓存被填满时，... 查看详情
力扣146.lru缓存机制(代码片段)
运用你所掌握的数据结构，设计和实现一个 LRU(最近最少使用)缓存机制。它应该支持以下操作：获取数据get和写入数据put。获取数据get(key)-如果关键字(key)存在于缓存中，则获取关键字的值（总是正数），否则返回-1。写入数... 查看详情
lru缓存替换策略及c#实现(代码片段)
...。今天给大家介绍的是LRU算法。核心思想LRU算法基于这样一个假设：如果数据最近被访问过，那么将来被访问的几率也更高。大部分情况下这个假设是成立的，因此LRU算法也是比较常用的缓存替换策略。基于这个假设，我们在实... 查看详情
redis前传自己手写一个lru策略|redis淘汰策略(代码片段)
...146.LRU缓存机制运用你所掌握的数据结构，设计和实现一个LRU(最近最少使用)缓存机制。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值&#x... 查看详情
redis前传自己手写一个lru策略|redis淘汰策略(代码片段)
...146.LRU缓存机制运用你所掌握的数据结构，设计和实现一个LRU(最近最少使用)缓存机制。实现LRUCache类：LRUCache(intcapacity)以正整数作为容量capacity初始化LRU缓存intget(intkey)如果关键字key存在于缓存中，则返回关键字的值&#x... 查看详情