LRU、FIFO缓存实现以及LinkedHashMap源码

　　本篇将描述如何使用LinkedHashMap实现LRU以及FIFO缓存，并将从LinkedHashMap源码层面描述是如何实现这两种缓存的。

1.缓存描述

　　首先介绍一下FIFO、LRU两种缓存：

　　　　FIFO（First In First out）：先见先出，淘汰最先近来的页面，新进来的页面最迟被淘汰，完全符合队列。

　　　　LRU（Least recently used）:最近最少使用，淘汰最近不使用的页面。

2.代码实现

　　以下是通过LinkedHashMap实现两种缓存。

public class Cache<K,V>{

    private LinkedHashMap<K, V> map = null;//用LinkedHashMap实现
    private int cap;//上限
    
    public Cache(int cap, boolean lru) {//构造函数（lru：false即为lru）
        this.cap = cap;
        map = new LinkedHashMap<K,V>(cap, 0.75f, lru){//第三个参数即为LinkedHashMap中的accessOrder true：将按照访问顺序（如果已经存在将其插入末尾）； false：按照插入数序（再次插入不影响顺序）
            @Override
            protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {//重写删除最早的entry
                return size() > cap;//如果条件当前size大于cap，就删除最早的（返回true）
            }
        };
    }
    
    public V put(K key, V value){
        return map.put(key, value);
    }
    
    @Override
    public String toString() {
        return map.toString();
    }
}

　　重写toString方法是为了测试时可以更简单的打印出两种缓存的效果。

　　下面是测试方法：

    public static void main(String[] args) {
        //lru测试
        Cache<Integer, Integer> cache = new Cache<Integer, Integer>(3, true);
        cache.put(1, 1);
        System.out.println(cache);
        cache.put(2, 2);
        System.out.println(cache);
        cache.put(3, 3);
        System.out.println(cache);
        cache.put(1, 1);
        System.out.println(cache);
        cache.put(4, 4);
        System.out.println(cache);
        //fifo测试
        cache = new Cache<Integer, Integer>(3, false);
        cache.put(1, 1);
        System.out.println(cache);
        cache.put(2, 2);
        System.out.println(cache);
        cache.put(3, 3);
        System.out.println(cache);
        cache.put(1, 1);
        System.out.println(cache);
        cache.put(4, 4);
        System.out.println(cache);
    }

　　以下是测试结果：

　　可以看到lru模式下，当缓存被访问到时，会将其放到末尾，因此按照最近最少被使用淘汰缓存；而fifo模式下缓存顺序按照进入顺序，最先进来的最先被淘汰。

　　那么为什么如此简单的使用LinkedHashMap就可以完成这两种常用缓存淘汰策略的实现呢？下面我们从LinkedHashMap源码来了解其内部是如何工作的。

3.源码分析

 　　首先，我们来说说LinkedHashMap是如何做到能记录插入顺序的。这就要看它的Entry节点了：

    static class Entry<K,V> extends HashMap.Node<K,V> {
        Entry<K,V> before, after;
        Entry(int hash, K key, V value, Node<K,V> next) {
            super(hash, key, value, next);
        }
    }

    transient LinkedHashMap.Entry<K,V> head;

    transient LinkedHashMap.Entry<K,V> tail;

　　LinkedHashMap中的Entry继承了HashMap中的Node，并增加了一个before和after指向插入的前（后）一个Entry，并在LinkedHashMap中用head和tail记录首位节点，这个结构看起来就像是把HashMap和LinkedList结合起来，做到记录插入顺序。

　　那么LinkedHashMap中的put方法呢？当你打开LinkedHashMap去查找put方法时，你会发现找不到，因为其继承了HashMap，因此直接使用HashMap中的put方法，那么同一个put方法是如何做到在插入之后将before，after指针更新的呢？来看看HashMap的put是如何设计的吧：

    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }

    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

　　我们着重看第37行以及44行，当插入一个节点的key存在于map中时，会调用37行的afterNodeAccess，当不存在时（即插入一个新节点），会调用44行的afterNodeInsertion。LinkedHashMap的before和after节点设置以及head和tail节点更新也是在这里完成的。

　　我们进入LinkedHashMap中的这两个方法看看其中做了些什么。首先来看afterNodeAccess：

    void afterNodeAccess(Node<K,V> e) { // move node to last
        LinkedHashMap.Entry<K,V> last;
        if (accessOrder && (last = tail) != e) {
            LinkedHashMap.Entry<K,V> p =
                (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;
            p.after = null;
            if (b == null)
                head = a;
            else
                b.after = a;
            if (a != null)
                a.before = b;
            else
                last = b;
            if (last == null)
                head = p;
            else {
                p.before = last;
                last.after = p;
            }
            tail = p;
            ++modCount;
        }
    }

　　上面的代码判断了accessOrder是否为true，如果是，则为根据访问数序，进入下面的代码块，将p放到tail（最新的位置），这个语意与lru一致；如果不是，就什么都不干，本方法完成，这个语意与fifo一致，因此Cache中构造方法的lru与accessOrder是一致的。

　　那么afterNodeInsertion又做了什么呢？

    void afterNodeInsertion(boolean evict) { // possibly remove eldest
        LinkedHashMap.Entry<K,V> first;
        if (evict && (first = head) != null && removeEldestEntry(first)) {
            K key = first.key;
            removeNode(hash(key), key, null, false, true);
        }
    }

   //这个方法是例子中Cache中的实现，当前（插入后）的size大于容量，返回true 
    protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
         return size() > cap;
    }

　　前7行是afterNodeInsertion内部的实现，判断是否需要删除最老的元素，如果是，就把最老的元素（最先进入的head节点）删除，而需要开发者实现的removeEldestEntry只需要判断size是否大于容量即可，如果大于，就说明缓存容量不够了，要删除head。而通过afterNodeAccess方法实现的lru中head为最久未被使用的元素，fifo中的head为最先进入的元素。

　　相信看到这里，你对如何使用LinkedHashMap实现LRU和FIFO两种缓存置换算法以及其原理都了解了吧，那么自己尝试动手做一下吧。

　　（tips：可以看看springboot、hibernate中如何用LinkedHashMap实现的lru缓存哦！）