什么是LRU（最近最少使用）算法？

一、什么是LRU？

          LRU（Least Recently Used），最近最少使用。

          是一种【内存管理】算法。

     LRU算法基于一种假设：

        长期不被使用的数据，在未来被用到的几率也不大。因此，当数据所占内存达到一定阈值时，要移除掉最近最少使用的数据。

   LRU算法使用了一种有趣的数据结构，叫做【哈希链表】

 

二、什么是【哈希链表】呢?

       1）【哈希表】是由若干个【Key-Value】所组成的。

               在“逻辑”上，这些Key-Value是无所谓排列顺序的，谁先谁后都一样。

                

      2）  【哈希链表】当中，这些【Key-Value】不再是彼此无关的存在，而是被一个链条串起来了。

                每一个Key-Value都具有它的前驱Key-Value、后继Key-Value，就像双向链表中的节点一样。

                

  这样一来，原本无序的哈希表拥有了固定的排列顺序。

 

三、哈希链表和LRU算法有什么关系呢？

          1、依靠哈希链表的【有序性】，可以把Key-Value按照【最后的使用时间】来【排序】

              让我们以用户信息的需求为例，来演示一下LRU算法的基本思路：

              1.假设我们使用哈希链表来缓存用户信息，目前缓存了4个用户，这4个用户是按照时间顺序依次从链表右端插入的。

                 

              2.此时，业务方访问用户5，由于哈希链表中没有用户5的数据，我们从数据库中读取出来，插入到缓存当中。

                 这时候，链表中最右端是最新访问到的用户5，最左端是最近最少访问的用户1。

                 

               3.接下来，业务方访问用户2，哈希链表中存在用户2的数据，我们怎么做呢？

                  我们把用户2从它的前驱节点和后继节点之间移除，重新插入到链表最右端。

                  这时候，链表中最右端变成了最新访问到的用户2，最左端仍然是最近最少访问的用户1。

                 

               4. 接下来，业务方请求修改用户4的信息。

                   同样道理，我们把用户4从原来的位置移动到链表最右侧，并把用户信息的值更新。

                   这时候，链表中最右端是最新访问到的用户4，最左端仍然是最近最少访问的用户1。

                   

                 5  后来业务方换口味了，访问用户6，用户6在缓存里没有，需要插入到哈希链表。

                     假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，那么位于哈希链表最左端的用户1就会被删除掉，然后再把用户6插入到                      最右端。

                   

         以上，就是LRU算法的基本思路。

    2、Java中的LinkedHashMap已经对【哈希链表】做了很好的实现。

         例如：

           

1. private Node head;

2. private Node end;

3. //缓存存储上限

4. private int limit;

5.  

6.  

7. private HashMap<String, Node> hashMap;

8.  

9.  

10. public LRUCache(int limit) {

11.    this.limit = limit;

12.    hashMap = new HashMap<String, Node>();

13. }

14.  

15.  

16. public String get(String key) {

17.    Node node = hashMap.get(key);

18.    if (node == null){

19.        return null;

20.    }

21.    refreshNode(node);

22.    return node.value;

23. }

24.  

25.  

26. public void put(String key, String value) {

27.    Node node = hashMap.get(key);

28.    if (node == null) {

29.        //如果key不存在，插入key-value

30.        if (hashMap.size() >= limit) {

31.            String oldKey = removeNode(head);

32.            hashMap.remove(oldKey);

33.        }

34.        node = new Node(key, value);

35.        addNode(node);

36.        hashMap.put(key, node);

37.    }else {

38.        //如果key存在，刷新key-value

39.        node.value = value;

40.        refreshNode(node);

41.    }

42. }

43.  

44.  

45. public void remove(String key) {

46.    Node node = hashMap.get(key);

47.    removeNode(node);

48.    hashMap.remove(key);

49. }

50.  

51.  

52. /**

53. * 刷新被访问的节点位置

54. * @param  node 被访问的节点

55. */

56. private void refreshNode(Node node) {

57.    //如果访问的是尾节点，无需移动节点

58.    if (node == end) {

59.        return;

60.    }

61.    //移除节点

62.    removeNode(node);

63.    //重新插入节点

64.    addNode(node);

65. }

66.  

67.  

68. /**

69. * 删除节点

70. * @param  node 要删除的节点

71. */
     

72. private String removeNode(Node node) {

73.    if (node == end) {

74.        //移除尾节点

75.        end = end.pre;

76.    }else if(node == head){

77.        //移除头节点

78.        head = head.next;

79.    } else {

80.        //移除中间节点

81.        node.pre.next = node.next;

82.        node.next.pre = node.pre;

83.    }

84.    return node.key;

85. }

86.  

87.  

88. /**

89. * 尾部插入节点

90. * @param  node 要插入的节点

91. */

92. private void addNode(Node node) {

93.    if(end != null) {

94.        end.next = node;

95.        node.pre = end;

96.        node.next = null;

97.    }

98.    end = node;

99.    if(head == null){

100.        head = node;

101.    }

102. }

103.  

104.  

105. class Node {

106.    Node(String key, String value){

107.        this.key = key;

108.        this.value = value;

109.    }

110.    public Node pre;

111.    public Node next;

112.    public String key;

113.    public String value;

114. }

115.  

116.  

117. public static void main(String[] args) {

118.    LRUCache lruCache = new LRUCache(5);

119.    lruCache.put("001", "用户1信息");

120.    lruCache.put("002", "用户1信息");

121.    lruCache.put("003", "用户1信息");

122.    lruCache.put("004", "用户1信息");

123.    lruCache.put("005", "用户1信息");

124.    lruCache.get("002");

125.    lruCache.put("004", "用户2信息更新");

126.    lruCache.put("006", "用户6信息");

127.    System.out.println(lruCache.get("001"));

128.    System.out.println(lruCache.get("006"));

129. }

需要注意的是，这段不是线程安全的，要想做到线程安全，需要加上synchronized修饰符。

 

对于用户系统的需求，也可以使用【缓存数据库Redis】来实现，Redis底层也实现了类似于LRU的回收算法。