简介

LRU（Least Recently Used）直译为“最近最少使用”。其实很多老外发明的词直译过来对于我们来说并不是特别好理解，甚至有些词并不在国人的思维模式之内，比如快速排序中的Pivot，模拟信号中的Analog 等等。笔者认为最好的理解方式就是看他诞生的原因，看这个概念的出现如何一步一步演变为现在的样子。假如说你自己对某个问题想到了一个解决办法，于是你按照语义给他起了个名字，假如你直接将这个词儿说给别人，不知道这个词儿来历的人大概很难理解。所以为了力求方便理解，下面我们先来看看LRU是什么，主要是为了解决什么问题。

其实LRU这个概念映射到现实生活中非常好理解，就好比说小明的衣柜中有很多衣服，假设他的衣服都只能放在这个柜子里，小明每过一阵子小明就会买新衣服，不久小明的衣柜就放满了衣服。这个小明想了个办法，按照衣服上次穿的时间排序，丢掉最长时间没有穿过那个。这就是LRU策略。

映射到计算机概念中，上述例子中小明的衣柜就是内存，而小明的衣服就是缓存数据。我们的内存是有限的。所以当缓存数据在内存越来越多，以至于无法存放即将到来的新缓存数据时，就必须扔掉最不常用的缓存数据。所以对于LRU的抽象总结如下：

• 缓存的容量是有限的
• 当缓存容量不足以存放需要缓存的新数据时，必须丢掉最不常用的缓存数据

实现

理解了LRU的原理之后，想要将其转换为代码并不是一件很困难的事。我们访问缓存通常使用一个字符串来定位缓存数据（事实上其他数据形式也没有关系），这种场景我们反射性的想到HashMap。所以我们先来简单的定义一下LRUCachce类。

public class LRUCache {
    private HashMap<String, Object> map;
    private int capacity;
    public Object get(String key) {
        return map.get(key);
    }
    public void set(String key, Object value) {
        this.map.put(key, value);
    }
    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.map = new HashMap<String, Object>();
    }
}

这样我们仅仅是定义了一个容量有限的LRUCache，可以存取数据，但并没有实现缓存容量不足时丢弃最不常用的数据的功能，而这件事做起来似乎显得稍微麻烦一些，问题在于我们如何找到最久没有用的缓存。

一个最容易想到的办法是我们在给这个缓存数据加一个时间戳，每次get缓存时就更新时间戳，这样找到最久没有用的缓存数据问题就能够解决，但与之而来的会有两个新问题：

• 虽然使用时间戳可以找到最久没用的数据，但我们最少的代价也要将这些缓存数据遍历一遍，除非我们维持一个按照时间戳排好序的SortedList。
• 添加时间戳的方式为我们的数据带来了麻烦，我们并不太好在缓存数据中添加时间戳的标识，这可能需要引入新的包含时间戳的包装对象。

而且我们的需要只是找到最久没用使用的缓存数据，并不需要精确的时间。添加时间戳的方式显然没有利用这一特性，这就使得这个办法从逻辑上来讲可能不是最好的。

然而办法总是有的，我们可以维护一个链表，当数据每一次查询就将数据放到链表的head，当有新数据添加时也放到head上。这样链表的tail就是最久没用使用的缓存数据，每次容量不足的时候就可以删除tail，并将前一个元素设置为tail，显然这是一个双向链表结构，因此我们定义LRUNode如下：

class LRUNode {
    String key;
    Object value;
    LRUNode prev;
    LRUNode next;
    public LRUNode(String key, Object value) {
        this.key = key;
        this.value = value;
    }
}

而LRUCache的简单实现最终如下：

public class LRUCache {
    private HashMap<String, LRUNode> map;
    private int capacity;
    private LRUNode head;
    private LRUNode tail;
    public void set(String key, Object value) {
        LRUNode node = map.get(key);
        if (node != null) {
            node = map.get(key);
            node.value = value;
            remove(node, false);
        } else {
            node = new LRUNode(key, value);
            if (map.size() >= capacity) {
                // 每次容量不足时先删除最久未使用的元素
                remove(tail, true);
            }
            map.put(key, node);
        }
        // 将刚添加的元素设置为head
        setHead(node);
    }
    public Object get(String key) {
        LRUNode node = map.get(key);
        if (node != null) {
            // 将刚操作的元素放到head
            remove(node, false);
            setHead(node);
            return node.value;
        }
        return null;
    }
    private void setHead(LRUNode node) {
        // 先从链表中删除该元素
        if (head != null) {
            node.next = head;
            head.prev = node;
        }
        head = node;
        if (tail == null) {
            tail = node;
        }
    }
    // 从链表中删除此Node，此时要注意该Node是head或者是tail的情形
    private void remove(LRUNode node, boolean flag) {
        if (node.prev != null) {
            node.prev.next = node.next;
        } else {
            head = node.next;
        }
        if (node.next != null) {
            node.next.prev = node.prev;
        } else {
            tail = node.prev;
        }
        node.next = null;
        node.prev = null;
        if (flag) {
            map.remove(node.key);
        }
    }
    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.map = new HashMap<String, LRUNode>();
    }
}