我们平时总会有一个电话本记录所有朋友的电话，但是，如果有朋友经常联系，那些朋友的电话号码不用翻电话本我们也能记住，但是，如果长时间没有联系了，要再次联系那位朋友的时候，我们又不得不求助电话本，但是，通过电话本查找还是很费时间的。但是，我们大脑能够记住的东西是一定的，我们只能记住自己最熟悉的，而长时间不熟悉的自然就忘记了。

其实，计算机也用到了同样的一个概念，我们用缓存来存放以前读取的数据，而不是直接丢掉，这样，再次读取的时候，可以直接在缓存里面取，而不用再重新查找一遍，这样系统的反应能力会有很大提高。但是，当我们读取的个数特别大的时候，我们不可能把所有已经读取的数据都放在缓存里，毕竟内存大小是一定的，我们一般把最近常读取的放在缓存里（相当于我们把最近联系的朋友的姓名和电话放在大脑里一样）。现在，我们就来研究这样一种缓存机制。

LRU缓存：

LRU缓存利用了这样的一种思想。LRU是Least Recently Used 的缩写，翻译过来就是“最近最少使用”，也就是说，LRU缓存把最近最少使用的数据移除，让给最新读取的数据。而往往最常读取的，也是读取次数最多的，所以，利用LRU缓存，我们能够提高系统的performance.

实现：

要实现LRU缓存，我们首先要用到一个类 LinkedHashMap。 用这个类有两大好处：一是它本身已经实现了按照访问顺序的存储，也就是说，最近读取的会放在最前面，最最不常读取的会放在最后（当然，它也可以实现按照插入顺序存储）。第二，LinkedHashMap本身有一个方法用于判断是否需要移除最不常读取的数，但是，原始方法默认不需要移除（这是，LinkedHashMap相当于一个linkedlist），所以，我们需要override这样一个方法，使得当缓存里存放的数据个数超过规定个数后，就把最不常用的移除掉。LinkedHashMap的API写得很清楚，推荐大家可以先读一下。

要基于LinkedHashMap来实现LRU缓存，我们可以选择inheritance, 也可以选择 delegation， 我更喜欢delegation。基于delegation的实现已经有人写出来了，而且写得很漂亮，我就不班门弄斧了。代码如下：

package LRU;    import java.util.LinkedHashMap;  import java.util.Collection;  import java.util.Map;  import java.util.ArrayList;    /**   * An LRU cache, based on <code>LinkedHashMap</code>.   *    * <p>   * This cache has a fixed maximum number of elements (<code>cacheSize</code>).   * If the cache is full and another entry is added, the LRU (least recently   * used) entry is dropped.   *    * <p>   * This class is thread-safe. All methods of this class are synchronized.   *    * <p>   * Author: Christian d'Heureuse, Inventec Informatik AG, Zurich, Switzerland<br>   * Multi-licensed: EPL / LGPL / GPL / AL / BSD.   */  public class LRUCache<K, V> {     private static final float hashTableLoadFactor = 0.75f;     private LinkedHashMap<K, V> map;   private int cacheSize;     /**    * Creates a new LRU cache.    *     * @param cacheSize    *            the maximum number of entries that will be kept in this cache.    */   public LRUCache(int cacheSize) {    this.cacheSize = cacheSize;    int hashTableCapacity = (int) Math      .ceil(cacheSize / hashTableLoadFactor) + 1;    map = new LinkedHashMap<K, V>(hashTableCapacity, hashTableLoadFactor,      true) {     // (an anonymous inner class)     private static final long serialVersionUID = 1;       @Override     protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {      return size() > LRUCache.this.cacheSize;     }    };   }     /**    * Retrieves an entry from the cache.<br>    * The retrieved entry becomes the MRU (most recently used) entry.    *     * @param key    *            the key whose associated value is to be returned.    * @return the value associated to this key, or null if no value with this    *         key exists in the cache.    */   public synchronized V get(K key) {    return map.get(key);   }     /**    * Adds an entry to this cache. The new entry becomes the MRU (most recently    * used) entry. If an entry with the specified key already exists in the    * cache, it is replaced by the new entry. If the cache is full, the LRU    * (least recently used) entry is removed from the cache.    *     * @param key    *            the key with which the specified value is to be associated.    * @param value    *            a value to be associated with the specified key.    */   public synchronized void put(K key, V value) {    map.put(key, value);   }     /**    * Clears the cache.    */   public synchronized void clear() {    map.clear();   }     /**    * Returns the number of used entries in the cache.    *     * @return the number of entries currently in the cache.    */   public synchronized int usedEntries() {    return map.size();   }     /**    * Returns a <code>Collection</code> that contains a copy of all cache    * entries.    *     * @return a <code>Collection</code> with a copy of the cache content.    */   public synchronized Collection<Map.Entry<K, V>> getAll() {    return new ArrayList<Map.Entry<K, V>>(map.entrySet());   }     public static void main(String[] args) {    LRUCache<String, String> c = new LRUCache<String, String>(3);    c.put("1", "one"); // 1    c.put("2", "two"); // 2 1    c.put("3", "three"); // 3 2 1    c.put("4", "four"); // 4 3 2    if (c.get("2") == null)     throw new Error(); // 2 4 3    c.put("5", "five"); // 5 2 4    c.put("4", "second four"); // 4 5 2    c.put("4", "second four"); // 4 5 2    c.put("4", "second four"); // 4 5 2    c.put("4", "second four"); // 4 5 2    // Verify cache content.    //if (c.usedEntries() != 3)     //throw new Error();    if (!c.get("4").equals("second four"))     throw new Error();    if (!c.get("5").equals("five"))     throw new Error();    if (!c.get("2").equals("two"))     throw new Error();    // List cache content.    for (Map.Entry<String, String> e : c.getAll()) {     System.out.println(e.getKey() + " : " + e.getValue());    }   }  }

代码出自：http://www.source-code.biz/snippets/java/6.htm

在博客 http://gogole.iteye.com/blog/692103 里，作者使用的是双链表 + hashtable 的方式实现的。如果在面试题里考到如何实现LRU，考官一般会要求使用双链表 + hashtable 的方式。 所以，我把原文的部分内容摘抄如下：

双链表 + hashtable实现原理：

将Cache的所有位置都用双连表连接起来，当一个位置被命中之后，就将通过调整链表的指向，将该位置调整到链表头的位置，新加入的Cache直接加到链表头中。这样，在多次进行Cache操作后，最近被命中的，就会被向链表头方向移动，而没有命中的，而想链表后面移动，链表尾则表示最近最少使用的Cache。当需要替换内容时候，链表的最后位置就是最少被命中的位置，我们只需要淘汰链表最后的部分即可。

package LRU;    import java.util.Hashtable;    public class LRUCached {      private int cacheSize;   private Hashtable<Object, Entry> nodes;//缓存容器   private int currentSize;   private Entry first;//链表头   private Entry last;//链表尾      public LRUCached(int i) {    currentSize = 0;    cacheSize = i;    nodes = new Hashtable<Object, Entry>(i);//缓存容器   }      /**    * 获取缓存中对象,并把它放在最前面    */   public Entry get(Object key) {    Entry node = nodes.get(key);    if (node != null) {     moveToHead(node);     return node;    } else {     return null;    }   }      /**    * 添加 entry到hashtable, 并把entry     */   public void put(Object key, Object value) {    //先查看hashtable是否存在该entry, 如果存在，则只更新其value    Entry node = nodes.get(key);        if (node == null) {     //缓存容器是否已经超过大小.     if (currentSize >= cacheSize) {      nodes.remove(last.key);      removeLast();     } else {      currentSize++;     }        node = new Entry();    }    node.value = value;    //将最新使用的节点放到链表头，表示最新使用的.    moveToHead(node);    nodes.put(key, node);   }     /**    * 将entry删除, 注意：删除操作只有在cache满了才会被执行    */   public void remove(Object key) {    Entry node = nodes.get(key);    //在链表中删除    if (node != null) {     if (node.prev != null) {      node.prev.next = node.next;     }     if (node.next != null) {      node.next.prev = node.prev;     }     if (last == node)      last = node.prev;     if (first == node)      first = node.next;    }    //在hashtable中删除    nodes.remove(key);   }     /**    * 删除链表尾部节点，即使用最后 使用的entry    */   private void removeLast() {    //链表尾不为空,则将链表尾指向null. 删除连表尾（删除最少使用的缓存对象）    if (last != null) {     if (last.prev != null)      last.prev.next = null;     else      first = null;     last = last.prev;    }   }      /**    * 移动到链表头，表示这个节点是最新使用过的    */   private void moveToHead(Entry node) {    if (node == first)     return;    if (node.prev != null)     node.prev.next = node.next;    if (node.next != null)     node.next.prev = node.prev;    if (last == node)     last = node.prev;    if (first != null) {     node.next = first;     first.prev = node;    }    first = node;    node.prev = null;    if (last == null)     last = first;   }   /*    * 清空缓存    */   public void clear() {    first = null;    last = null;    currentSize = 0;   }    }    class Entry {   Entry prev;//前一节点   Entry next;//后一节点   Object value;//值   Object key;//键  }