LRU是Least Recently Used 的縮寫，翻譯過來就是“最近最少使用”，LRU快取就是使用這種原理實現，簡單的說就是快取一定量的資料，當超過設定的閾值時就把一些過期的資料刪除掉，比如我們快取10000條資料，當資料小於10000時可以隨意新增，當超過10000時就需要把新的資料新增進來，同時要把過期資料刪除，以確保我們最大快取10000條，那怎麼確定刪除哪條過期資料呢，採用LRU演算法實現的話就是將最老的資料刪掉，廢話不多說，下面來說下Java版的LRU快取實現

Java裡面實現LRU快取通常有兩種選擇，一種是使用LinkedHashMap，一種是自己設計資料結構，使用連結串列+HashMap

LinkedHashMap自身已經實現了順序儲存，預設情況下是按照元素的新增順序儲存，也可以啟用按照訪問順序儲存，即最近讀取的資料放在最前面，最早讀取的資料放在最後面，然後它還有一個判斷是否刪除最老資料的方法，預設是返回false，即不刪除資料，我們使用LinkedHashMap實現LRU快取的方法就是對LinkedHashMap實現簡單的擴充套件，擴充套件方式有兩種，一種是inheritance，一種是delegation，具體使用什麼方式看個人喜好

LinkedHashMap ：
//LinkedHashMap的一個建構函式，當引數accessOrder為true時，即會按照訪問順序排序，最近訪問的放在最前，最早訪問的放在後面
public LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder) {
        super(initialCapacity, loadFactor);
        this.accessOrder = accessOrder;
}

//LinkedHashMap自帶的判斷是否刪除最老的元素方法，預設返回false，即不刪除老資料
 

//我們要做的就是重寫這個方法，當滿足一定條件時刪除老資料
protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
        return false;
}

採用inheritance方式實現比較簡單，而且實現了Map介面，在多執行緒環境使用時可以使用 Collections.synchronizedMap()方法實現執行緒安全操作

public class LRUCache2<K, V> extends LinkedHashMap<K, V> {
    private final int
 
 MAX_CACHE_SIZE;

    public LRUCache2(int cacheSize) {
        super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);
        MAX_CACHE_SIZE = cacheSize;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry eldest) {
        return size() > MAX_CACHE_SIZE;
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        for (Map.Entry<K, V> entry : entrySet()) {
            sb.append(String.format("%s:%s ", entry.getKey(), entry.getValue()));
        }
        return sb.toString();
    }
}

這樣算是比較標準的實現吧，實際使用中這樣寫還是有些繁瑣，更實用的方法時像下面這樣寫，省去了單獨見一個類的麻煩

final int cacheSize = 100;
Map<String, String> map = new LinkedHashMap<String, String>((int) Math.ceil(cacheSize / 0.75f) + 1, 0.75f, true) {
    @Override
    protected boolean removeEldestEntry(Map.Entry<String, String> eldest) {
    return size() > cacheSize;
    }
};

delegation方式實現更加優雅一些，但是由於沒有實現Map介面，所以執行緒同步就需要自己搞定了

public class LRUCache3<K, V> {

    private final int MAX_CACHE_SIZE;
    private final float DEFAULT_LOAD_FACTOR = 0.75f;
    LinkedHashMap<K, V> map;

    public LRUCache3(int cacheSize) {
        MAX_CACHE_SIZE = cacheSize;
        //根據cacheSize和載入因子計算hashmap的capactiy，+1確保當達到cacheSize上限時不會觸發hashmap的擴容，
        int capacity = (int) Math.ceil(MAX_CACHE_SIZE / DEFAULT_LOAD_FACTOR) + 1;
        map = new LinkedHashMap(capacity, DEFAULT_LOAD_FACTOR, true) {
            @Override
            protected boolean removeEldestEntry(Map.Entry eldest) {
                return size() > MAX_CACHE_SIZE;
            }
        };
    }

    public synchronized void put(K key, V value) {
        map.put(key, value);
    }

    public synchronized V get(K key) {
        return map.get(key);
    }

    public synchronized void remove(K key) {
        map.remove(key);
    }

    public synchronized Set<Map.Entry<K, V>> getAll() {
        return map.entrySet();
    }

    public synchronized int size() {
        return map.size();
    }

    public synchronized void clear() {
        map.clear();
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        for (Map.Entry entry : map.entrySet()) {
            sb.append(String.format("%s:%s ", entry.getKey(), entry.getValue()));
        }
        return sb.toString();
    }
}

LRU Cache的連結串列+HashMap實現

public class LRUCache1<K, V> {

    private final int MAX_CACHE_SIZE;
    private Entry first;
    private Entry last;

    private HashMap<K, Entry<K, V>> hashMap;

    public LRUCache1(int cacheSize) {
        MAX_CACHE_SIZE = cacheSize;
        hashMap = new HashMap<K, Entry<K, V>>();
    }

    public void put(K key, V value) {
        Entry entry = getEntry(key);
        if (entry == null) {
            if (hashMap.size() >= MAX_CACHE_SIZE) {
                hashMap.remove(last.key);
                removeLast();
            }
            entry = new Entry();
            entry.key = key;
        }
        entry.value = value;
        moveToFirst(entry);
        hashMap.put(key, entry);
    }

    public V get(K key) {
        Entry<K, V> entry = getEntry(key);
        if (entry == null) return null;
        moveToFirst(entry);
        return entry.value;
    }

    public void remove(K key) {
        Entry entry = getEntry(key);
        if (entry != null) {
            if (entry.pre != null) entry.pre.next = entry.next;
            if (entry.next != null) entry.next.pre = entry.pre;
            if (entry == first) first = entry.next;
            if (entry == last) last = entry.pre;
        }
        hashMap.remove(key);
    }

    private void moveToFirst(Entry entry) {
        if (entry == first) return;
        if (entry.pre != null) entry.pre.next = entry.next;
        if (entry.next != null) entry.next.pre = entry.pre;
        if (entry == last) last = last.pre;

        if (first == null || last == null) {
            first = last = entry;
            return;
        }

        entry.next = first;
        first.pre = entry;
        first = entry;
        entry.pre = null;
    }

    private void removeLast() {
        if (last != null) {
            last = last.pre;
            if (last == null) first = null;
            else last.next = null;
        }
    }


    private Entry<K, V> getEntry(K key) {
        return hashMap.get(key);
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        Entry entry = first;
        while (entry != null) {
            sb.append(String.format("%s:%s ", entry.key, entry.value));
            entry = entry.next;
        }
        return sb.toString();
    }

    class Entry<K, V> {
        public Entry pre;
        public Entry next;
        public K key;
        public V value;
    }
}

LinkedHashMap的FIFO實現
FIFO是First Input First Output的縮寫，也就是常說的先入先出，預設情況下LinkedHashMap就是按照新增順序儲存，我們只需重寫下removeEldestEntry方法即可輕鬆實現一個FIFO快取，簡化版的實現程式碼如下

final int cacheSize = 5;
LinkedHashMap<Integer, String> lru = new LinkedHashMap<Integer, String>() {
    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, String> eldest) {
    return size() > cacheSize;
    }
};