引子：
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：
1. import
2. import
3. import
4. import
5.
6. /**
7. * An LRU cache, based on <code>LinkedHashMap</code>.
8. *
9. * <p>
10. * This cache has a fixed maximum number of elements (<code>cacheSize</code>).
11. * If the cache is full and another entry is added, the LRU (least recently used) entry is dropped.
12. *
13. * <p>
14. * This class is thread-safe. All methods of this class are synchronized.
15. *
16. * <p>
17. * Author: Christian d'Heureuse, Inventec Informatik AG, Zurich, Switzerland<br>
18. * Multi-licensed: EPL / LGPL / GPL / AL / BSD.
19. */
20. public class
21.
22. private static final float hashTableLoadFactor = 0.75f;
23.
24. private
25. private int
26.
27. /**
28. * Creates a new LRU cache.
29. * @param cacheSize the maximum number of entries that will be kept in this cache.
30. */
31. public LRUCache (int
32. this.cacheSize = cacheSize;
33. int hashTableCapacity = (int)Math.ceil(cacheSize / hashTableLoadFactor) + 1;
34. new LinkedHashMap<K,V>(hashTableCapacity, hashTableLoadFactor, true) {
35. // (an anonymous inner class)
36. private static final long serialVersionUID = 1;
37. @Override protected boolean
38. return size() > LRUCache.this.cacheSize; }}; }
39.
40. /**
41. * Retrieves an entry from the cache.<br>
42. * The retrieved entry becomes the MRU (most recently used) entry.
43. * @param key the key whose associated value is to be returned.
44. * @return the value associated to this key, or null if no value with this key exists in the cache.
45. */
46. public synchronized
47. return
48.
49. /**
50. * Adds an entry to this cache.
51. * The new entry becomes the MRU (most recently used) entry.
52. * If an entry with the specified key already exists in the cache, it is replaced by the new entry.
53. * If the cache is full, the LRU (least recently used) entry is removed from the cache.
54. * @param key the key with which the specified value is to be associated.
55. * @param value a value to be associated with the specified key.
56. */
57. public synchronized void
58. map.put (key, value); }
59.
60. /**
61. * Clears the cache.
62. */
63. public synchronized void
64. map.clear(); }
65.
66. /**
67. * Returns the number of used entries in the cache.
68. * @return the number of entries currently in the cache.
69. */
70. public synchronized int
71. return
72.
73. /**
74. * Returns a <code>Collection</code> that contains a copy of all cache entries.
75. * @return a <code>Collection</code> with a copy of the cache content.
76. */
77. public synchronized
78. return new
79.
80. } // end class LRUCache
81. ------------------------------------------------------------------------------------------
82. // Test routine for the LRUCache class.
83. public static void
84. new LRUCache<String, String>(3);
85. "1", "one"); // 1
86. "2", "two"); // 2 1
87. "3", "three"); // 3 2 1
88. "4", "four"); // 4 3 2
89. if (c.get("2") == null) throw new Error(); // 2 4 3
90. "5", "five"); // 5 2 4
91. "4", "second four"); // 4 5 2
92. // Verify cache content.
93. if (c.usedEntries() != 3) throw new
94. if (!c.get("4").equals("second four")) throw new
95. if (!c.get("5").equals("five")) throw new
96. if (!c.get("2").equals("two")) throw new
97. // List cache content.
98. for
99. " : "
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。
1. public class
2.
3. private int
4. private Hashtable<Object, Entry> nodes;//缓存容器
5. private int
6. private Entry first;//链表头
7. private Entry last;//链表尾
8.
9. public LRUCache(int
10. 0;
11. cacheSize = i;
12. new Hashtable<Object, Entry>(i);//缓存容器
13. }
14.
15. /**
16. * 获取缓存中对象,并把它放在最前面
17. */
18. public
19. Entry node = nodes.get(key);
20. if (node != null) {
21. moveToHead(node);
22. return
23. else
24. return null;
25. }
26. }
27.
28. /**
29. * 添加 entry到hashtable, 并把entry
30. */
31. public void
32. //先查看hashtable是否存在该entry, 如果存在，则只更新其value
33. Entry node = nodes.get(key);
34.
35. if (node == null) {
36. //缓存容器是否已经超过大小.
37. if
38. nodes.remove(last.key);
39. removeLast();
40. else
41. currentSize++;
42. }
43. new
44. }
45. node.value = value;
46. //将最新使用的节点放到链表头，表示最新使用的.
47. moveToHead(node);
48. nodes.put(key, node);
49. }
50.
51. /**
52. * 将entry删除, 注意：删除操作只有在cache满了才会被执行
53. */
54. public void
55. Entry node = nodes.get(key);
56. //在链表中删除
57. if (node != null) {
58. if (node.prev != null) {
59. node.prev.next = node.next;
60. }
61. if (node.next != null) {
62. node.next.prev = node.prev;
63. }
64. if
65. last = node.prev;
66. if
67. first = node.next;
68. }
69. //在hashtable中删除
70. nodes.remove(key);
71. }
72.
73. /**
74. * 删除链表尾部节点，即使用最后 使用的entry
75. */
76. private void
77. //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）
78. if (last != null) {
79. if (last.prev != null)
80. null;
81. else
82. null;
83. last = last.prev;
84. }
85. }
86.
87. /**
88. * 移动到链表头，表示这个节点是最新使用过的
89. */
90. private void
91. if
92. return;
93. if (node.prev != null)
94. node.prev.next = node.next;
95. if (node.next != null)
96. node.next.prev = node.prev;
97. if
98. last = node.prev;
99. if (first != null) {
100. node.next = first;
101. first.prev = node;
102. }
103. first = node;
104. null;
105. if (last == null)
106. last = first;
107. }
108. /*
109. * 清空缓存
110. */
111. public void
112. null;
113. null;
114. 0;
115. }
116.
117. }
118.
119. class
120. //前一节点
121. //后一节点
122. //值
123. //键
124. }
