【面试题】LRU算法及编码实现LRU策略缓存

概念

　　LRU（least recently used)就是将最近不被访问的数据给淘汰掉，LRU基于一种假设：认为最近使用过的数据将来被使用的概率也大，最近没有被访问的数据将来被使用的概率比较低。

原理

　　LRU一般通过链表形式来存放缓存数据，新插入或被访问的数据放在链表头部，超过一定阈值后，自动淘汰链表尾部的数据。下图很形象的说明了LRU缓存淘汰过程。（图片来自网络）

步骤：

1、新插入A， 将A放置在队列头部

2、新插入B， 将B放置在队列头部， A自动推举次席。

3、新插入C， 将C放置在队列头部， B自动推举次席。

4、新插入D， 将D放置在队列头部， C自动推举次席。

5、新插入E， 将E放置在队列头部， D自动推举次席。

6、新插入E， 将E放置在队列头部， 这时队列长度大于阈值，自动将尾部数据A给淘汰掉

7、访问数据C，然后将C重新放置在队列头部。

8、新插入E， 将E放置在队列头部， 这时队列长度大于阈值，自动淘汰尾部数据B

编码实现LRU策略缓存

/**
 * 2018/4/11.
 *
 * 使用链表+hashmap来实现, 这里没有考虑并发情况, 所以在代码中没有使用锁
 */
public class LRUCache<K, V> {
 
    class CacheNode {
        public CacheNode before;
        public Object key;
        public Object value;
        public CacheNode after;
 
        public CacheNode() {
        }
    }
 
    private HashMap<K, CacheNode> caches;
    private int maxCapacity;
    private int currentCacheSize;
    /**
     * 头结点, 头结点不参与淘汰,只是作为标识链表中的第一个节点
     */
    private CacheNode head;
    /**
     * 尾节点, 尾节点不参与淘汰, 只是作为标识链表中最后一个节点
     */
    private CacheNode tail;
 
    public LRUCache(int maxCapacity) {
        this.maxCapacity = maxCapacity;
        caches = new HashMap<>(maxCapacity);
        head = tail = new CacheNode();
        head.after = tail; //对head 的after节点赋值, 防止后续操作出现空指针异常
        tail.before = head; // 对tail的before节点赋值, 防止后续操作出现空指针异常
    }
 
    public void put(K k, V v) {
        CacheNode node = caches.get(k);
        if (node == null) {
            if (currentCacheSize >= maxCapacity) {
                caches.remove(tail.before.key); //淘汰尾部的元素
                removeLast();
            }
 
            node = new CacheNode();
            node.key = k;
 
            currentCacheSize ++;
        }
 
        node.value = v;
        moveToFirst(node); // LRU策略, 新插入的元素放置到队列头部
        caches.put(k, node);
    }
 
    public void moveToFirst(CacheNode node) {
        CacheNode n = head.after;
        head.after = node;
        node.before = head;
        n.before = node;
        node.after = n;
    }
 
    public void removeLast() {
        CacheNode n = tail.before.before;
        n.after = tail;
        tail.before = n;
    }
 
    public Object get(K k) {
        CacheNode node = caches.get(k);
        if (node == null) {
            return null;
        }
 
        Object v = node.value;
        moveToFirst(node);
        return v;
    }
 
    public Object remove(K k) {
        CacheNode node = caches.get(k);
        if (node == null) {
            return null;
        }
 
        CacheNode pre = node.before;
        CacheNode next = node.after;
        pre.after = next;
        next.before = pre;
 
        caches.remove(k);
 
        currentCacheSize --;
        return node.value;
    }
}

上述代码在博主本机测试验证通过（单线程操作下）