如何实现LRU缓存淘汰算法?

LRU（Least Recently Used）缓存淘汰算法是一种常见的缓存淘汰策略，它的核心思想是优先淘汰最近最少使用的缓存数据，以保证缓存中的数据始终是最热门的。下面是一些关于如何实现LRU缓存淘汰算法的方法：

使用哈希表和双向链表

LRU缓存淘汰算法的核心在于如何快速定位最近最少使用的缓存数据，这可以通过哈希表和双向链表的结合来实现。具体来说，我们可以使用一个哈希表来存储缓存数据的键值对，同时使用一个双向链表来维护缓存数据的访问顺序，每次访问缓存时，我们将访问的数据节点移动到链表头，当缓存满时，淘汰链表尾部的节点即可。

哈希表实现LRU缓存淘汰算法

下面是一个使用哈希表实现LRU缓存淘汰算法的例子，假设我们要实现一个最大容量为3的缓存：

import java.util.HashMap;
import java.util.Map;

class LRUCache<K, V> {
    private int capacity;
    private Map<K, Node<K,V>> cache;
    private Node<K,V> head;
    private Node<K,V> tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();
        this.head = new Node<>(null, null);
        this.tail = new Node<>(null, null);
        this.head.next = this.tail;
        this.tail.prev = this.head;
    }

    public V get(K key) {
        if (!cache.containsKey(key)) {
            return null;
        }
        Node<K,V> node = cache.get(key);
        remove(node);
        addFirst(node);
        return node.value;
    }

    public void put(K key, V value) {
        if (cache.containsKey(key)) {
            Node<K,V> node = cache.get(key);
            node.value = value;
            remove(node);
            addFirst(node);
        } else {
            if (cache.size() == capacity) {
                Node<K,V> node = removeLast();
                cache.remove(node.key);
            }
            Node<K,V> node = new Node<>(key, value);
            cache.put(key, node);
            addFirst(node);
        }
    }

    private void remove(Node<K,V> node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    private void addFirst(Node<K,V> node) {
        node.next = head.next;
        node.prev = head;
        head.next.prev = node;
        head.next = node;
    }

    private Node<K,V> removeLast() {
        Node<K,V> node = tail.prev;
        remove(node);
        return node;
    }

    private static class Node<K, V> {
        K key;
        V value;
        Node<K,V> prev;
        Node<K,V> next;

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
        }
    }
}

在这个例子中，我们使用了一个哈希表cache来存储缓存数据的键值对，同时使用了一个双向链表来维护缓存数据的访问顺序，其中head和tail分别表示链表头和链表尾，每次访问缓存时，我们将访问的数据节点移动到链表头，当缓存满时，淘汰链表尾部的节点即可。

注意，为了方便起见，我们在链表头和链表尾分别添加了一个哨兵节点head和tail，这样就不需要在代码中处理链表为空的情况了。

下面是一个使用双向链表实现LRU缓存淘汰算法的例子，假设我们要实现一个最大容量为3的缓存：

import java.util.HashMap;
import java.util.Map;

class LRUCache<K, V> {
    private int capacity;
    private Map<K, Node<K,V>> cache;
    private Node<K,V> head;
    private Node<K,V> tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();
        this.head = new Node<>(null, null);
        this.tail = new Node<>(null, null);
        this.head.next = this.tail;
        this.tail.prev = this.head;
    }

    public V get(K key) {
        if (!cache.containsKey(key)) {
            return null;
        }
        Node<K,V> node = cache.get(key);
        remove(node);
        addFirst(node);
        return node.value;
    }

    public void put(K key, V value) {
        if (cache.containsKey(key)) {
            Node<K,V> node = cache.get(key);
            node.value = value;
            remove(node);
            addFirst(node);
        } else {
            if (cache.size() == capacity) {
                Node<K,V> node = removeLast();
                cache.remove(node.key);
            }
            Node<K,V> node = new Node<>(key, value);
            cache.put(key, node);
            addFirst(node);
        }
    }

    private void remove(Node<K,V> node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    private void addFirst(Node<K,V> node) {
        node.next = head.next;
        node.prev = head;
        head.next.prev = node;
        head.next = node;
    }

    private Node<K,V> removeLast() {
        Node<K,V> node = tail.prev;
        remove(node);
        return node;
    }

    private static class Node<K, V> {
        K key;
        V value;
        Node<K,V> prev;
        Node<K,V> next;

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
        }
    }
}

在这个例子中，我们使用了一个哈希表cache来存储缓存数据的键值对，同时使用了一个双向链表来维护缓存数据的访问顺序，其中head和tail分别表示链表头和链表尾，每次访问缓存时，我们将访问的数据节点移动到链表头，当缓存满时，淘汰链表尾部的节点即可。

注意，为了方便起见，我们在链表头和链表尾分别添加了一个哨兵节点head和tail，这样就不需要在代码中处理链表为空的情况了。