# Java手写LRU缓存算法

Java手写LRU缓存算法

1. 算法思维导图

2. 实现原理

LRU（Least Recently Used）缓存算法是一种常用的缓存淘汰策略，它的基本思想是根据数据的访问时间来进行淘汰，最近使用的数据被认为是将来也可能会被使用的，因此被保留，而较久未使用的数据被认为是将来可能不会再使用的，因此被淘汰。

3. 手写必要性

手写LRU缓存算法的必要性在于深入理解算法的实现原理和核心思想，同时可以根据实际需求进行优化和定制化，提高缓存的效率和命中率。

4. 市场调查

根据市场调查，LRU缓存算法在各个领域都有广泛的应用，特别适用于需要频繁读取和更新数据的场景，如数据库查询、网络请求、页面缓存等。同时，随着大数据和云计算的发展，对高效缓存算法的需求也越来越大。

5. 实现介绍

5.1 详细步骤

1. 初始化缓存大小和哈希表
2. 定义双向链表节点类
3. 定义LRU缓存类，包括构造函数和核心方法
4. 实现核心方法：
   1. 查询缓存：根据键值在哈希表中查找对应的节点，若存在则将节点移动到链表头部，并返回值；若不存在则返回-1。
   2. 更新缓存：根据键值在哈希表中查找对应的节点，若存在则更新节点值并将节点移动到链表头部；若不存在则创建新节点并将节点插入链表头部，同时在哈希表中添加新节点。
   3. 插入缓存：根据键值在哈希表中查找对应的节点，若存在则更新节点值并将节点移动到链表头部；若不存在则创建新节点并将节点插入链表头部，同时在哈希表中添加新节点。若缓存已满，则删除链表尾部节点，并在哈希表中删除对应的节点。
   4. 删除缓存：根据键值在哈希表中查找对应的节点，若存在则删除节点，并在哈希表中删除对应的节点。

5.2 代码实现

// 双向链表节点类
class Node {
    int key;
    int value;
    Node prev;
    Node next;
    
    public Node(int key, int value) {
        this.key = key;
        this.value = value;
    }
}

// LRU缓存类
class LRUCache {
    private int capacity;
    private Map<Integer, Node> cache;
    private Node head;
    private Node tail;
    
    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();
        this.head = new Node(0, 0);
        this.tail = new Node(0, 0);
        this.head.next = this.tail;
        this.tail.prev = this.head;
    }
    
    public int get(int key) {
        if (cache.containsKey(key)) {
            Node node = cache.get(key);
            moveToHead(node);
            return node.value;
        }
        return -1;
    }
    
    public void put(int key, int value) {
        if (cache.containsKey(key)) {
            Node node = cache.get(key);
            node.value = value;
            moveToHead(node);
        } else {
            Node newNode = new Node(key, value);
            cache.put(key, newNode);
            addToHead(newNode);
            if (cache.size() > capacity) {
                Node tailNode = removeTail();
                cache.remove(tailNode.key);
            }
        }
    }
    
    private void moveToHead(Node node) {
        removeNode(node);
        addToHead(node);
    }
    
    private void addToHead(Node node) {
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }
    
    private void removeNode(Node node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }
    
    private Node removeTail() {
        Node tailNode = tail.prev;
        removeNode(tailNode);
        return tailNode;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77

6. 总结与思维拓展

通过手写LRU缓存算法，我们深入理解了其实现原理和核心思想。LRU缓存算法可以提高缓存的效率和命中率，适用于各种需要频繁读取和更新数据的场景。在实际应用中，我们可以根据具体需求进行优化和定制化，进一步提升算法的性能。

7. 完整代码

// 双向链表节点类
class Node {
    int key;
    int value;
    Node prev;
    Node next;
    
    public Node(int key, int value) {
        this.key = key;
        this.value = value;
    }
}

// LRU缓存类
class LRUCache {
    private int capacity;
    private Map<Integer, Node> cache;
    private Node head;
    private Node tail;
    
    public LRUCache(int capacity) {
        this.capacity = capacity;
        this.cache = new HashMap<>();
        this.head = new Node(0, 0);
        this.tail = new Node(0, 0);
        this.head.next = this.tail;
        this.tail.prev = this.head;
    }
    
    public int get(int key) {
        if (cache.containsKey(key)) {
            Node node = cache.get(key);
            moveToHead(node);
            return node.value;
        }
        return -1;
    }
    
    public void put(int key, int value){
            if (cache.containsKey(key)) {
                Node node = cache.get(key);
                node.value = value;
                moveToHead(node);
            } else {
                Node newNode = new Node(key, value);
                cache.put(key, newNode);
                addToHead(newNode);
                if (cache.size() > capacity) {
                    Node tailNode = removeTail();
                    cache.remove(tailNode.key);
                }
            }
        }
    
        private void moveToHead(Node node) {
            removeNode(node);
            addToHead(node);
        }
    
        private void addToHead(Node node) {
            node.prev = head;
            node.next = head.next;
            head.next.prev = node;
            head.next = node;
        }
    
        private void removeNode(Node node) {
            node.prev.next = node.next;
            node.next.prev = node.prev;
        }
    
        private Node removeTail() {
            Node tailNode = tail.prev;
            removeNode(tailNode);
            return tailNode;
        }
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77