LRU（Least recently used，最近最少使用）

LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。

/**
 * @Author: mly
 * @Date: Created in 2019/5/9
 * 如何来设计一款LRU算法呢？对于这种类似序列的结构我们一般可以选择链表或者是数组来构建。
 *
 * 差异对比：
 *
 * 数组 查询比较快，但是对于增删来说是一个不是一个好的选择
 * 链表 查询比较慢，但是对于增删来说十分方便O(1)时间复杂度内搞定
 * 有没有办法既能够让其搜索快，又能够快速进行增删操作。
 * 我们可以选择链表+hash表，hash表的搜索可以达到0(1)时间复杂度，这样就完美的解决我们搜索时间慢的问题了
 *
 * Hash表，在Java中HashMap是我们的不二选择
 * 链表，Node一个双向链表的实现，Node中存放的是数结构如下：
 */
public class Node<K,V> {
    private K key;
    private V value;
    private Node<K,V> prev;
    private Node<K,V> next;
    //通过HashMap中key存储Node的key,value存储Node,来建立Map对Node的映射关系
}

/**
 * 构建双向链表节点ListNode，应包含key,value,prev,next这几个基本属性
 * 对于Cache对象来说，我们需要规定缓存的容量，所以在初始化时，设置容量大小，然后实例化双向链表的head,tail，并让head.next->tail tail.prev->head，这样我们的双向链表构建完成
 * 对于get操作,我们首先查阅hashmap，如果存在的话，直接将Node从当前位置移除，然后插入到链表的首部，在链表中实现删除直接让node的前驱节点指向后继节点，很方便.如果不存在，那么直接返回Null
 * 对于put操作，比较麻烦。
 */

public class LRUCache<V> {
    /**
     * 容量
     */
    private int capacity = 1024;

    /**
     * Node记录表
     */
    private Map<String, ListNode<String, V>> table =
            new ConcurrentHashMap<>();

    /**
     * 双向链表头部
     */
    private ListNode<String, V> head;

    /**
     * 双向链表尾部
     */
    private ListNode<String, V> tail;

    public LRUCache(int capacity){
        this();
        this.capacity=capacity;
    }


    public LRUCache() {
        head = new ListNode<>();
        tail = new ListNode<>();
        head.next = tail;
        head.prev = head;
        tail.prev = head;
        tail.next = null;
    }

    public V get(String key) {
        ListNode<String, V> node = table.get(key);
        //如果Node不在表中,代表缓存中并没有
        if (node == null) {
            return null;
        }
        //如果存在,则需要移动Node节点到表头

        node.prev.next = node.next;
        node.next.prev = node.prev;

        //移动节点到表头
        node.next = head.next;
        head.next.prev = node;
        node.prev = head;
        head.next = node;
        //存在缓存表
        table.put(key, node);
        return node.value;
    }

    public void put(String key, V value) {
        ListNode<String, V> node = table.get(key);
        //如果Node不在表中，代表缓存中并没有
        if (node == null) {
            if (table.size() == capacity) {
                //超过容量了 ,首先移除尾部的节点
                table.remove(tail.prev.key);
                tail.prev = tail.next;
                tail.next = null;
                tail = tail.prev;

            }
            node = new ListNode<>();
            node.key = key;
            node.value = value;
            table.put(key, node);
        }
        //如果存在，则需要移动Node节点到表头
        node.next = head.next;
        head.next.prev = node;
        node.prev = head;
        head.next = node;


    }

    /**
     * 双向链表内部类
     */
    public static class ListNode<K, V> {
        private K key;
        private V value;
        ListNode<K, V> prev;
        ListNode<K, V> next;

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


        public ListNode() {

        }
    }

    @Override
    public String toString() {
        StringBuffer sb = new StringBuffer();
        for (Map.Entry<String,ListNode<String,V>> map :table.entrySet()){
            sb.append(map.getKey()+"    "+map.getValue());
        }
        return sb.toString();
    }

    public static void main(String[] args) {
        LRUCache<ListNode> cache = new LRUCache<>(4);
        ListNode<String, Integer> node1 = new ListNode<>("key1", 1);
        ListNode<String, Integer> node2 = new ListNode<>("key2", 2);
        ListNode<String, Integer> node3 = new ListNode<>("key3", 3);
        ListNode<String, Integer> node4 = new ListNode<>("key4", 4);
        ListNode<String, Integer> node5 = new ListNode<>("key5", 5);
        cache.put("key1", node1);
        cache.put("key2", node2);
        cache.put("key3", node3);
        cache.put("key4", node4);
        cache.get("key2");
        cache.put("key5", node5);
        cache.get("key2");
        System.out.println(cache.toString());
    }